Wykład 6. Badanie dynamiki zjawisk

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wykład 6. Badanie dynamiki zjawisk"

Transkrypt

1 Wkład 6 Badane dnamk zask

2 Krza eża Pze laa odchlene od onu merach 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,973 4,977 4,9725 4,9742 4,9757 Szeregem czasom nazam zbór arośc cech uorządkoanch chronologczne różnch momenach (rzedzałach) czasu. Oznaczaąc rzez,..., n momen (rzedzał) czasu, kórch obseroano arośc ene zmenne, a rzez nk obserac, szereg czaso zasuem ako zbór { ; =,...n}

3 SKŁADNK SZEREGU CZASOWEGO endenca rozooa (rend) - ogóln kerunek zman zaska czase będąc nkem ssemacznch, ednokerunkoch zman (sadek lub zros) ozomu badanego zaska ahana okresoe - rmczne ahana ozomu badanego zaska o określonm cklu (okrese rzebegu) (regularne odchlena arośc cech od rendu) ahana konunkuralne - ssemoe ahana ozomu badanego zaska obseroane dłuższch od roku okresach ahana rzadkoe - neregularne, nerzedalne zaróno co do kerunku ak sł zman ozomu badanego zaska

4 ETODA ANALTYCZNA odele endenc rozooe sosuem do rognozoana na odsae szeregó czasoch, kórch sęuą rend oraz ahana rzadkoe. Rolę zmenne obaśnaące odgra zmenna czasoa. Ne es ona bezośredną rzczną zman zachodzącch aroścach zmenne rognozoane, ale snezue ł blże ne znanch cznnkó, sarza możlość osu ch zman sosób lośco.

5 ETODA NAJNEJSZYCH KWADRATÓW NK - ETODA ANALTYCZNA Posać lnoego modelu endenc rozooe ), ( ), cov( ) ( ) ( 2 2 s s E D E Y ),2,..., ( n s dla

6 45, Eksor Polsce laach ( mln zł) 4, 35, 3, 25, 2, 5,, 5,, NK , , 74 Eksor R² =,9629 Lno (Eksor)

7 Prognoza (redkca) Żeb użć modelu do budo rognoz rzeba założć: a) sablność relac srukuralnch czase = osać analczna modelu arość ocen ego arameró ne ulegną zmane rzedzale czasu, dla kórego znacza sę rognozę, b) sablność rozkładu składnka losoego (umożla ocenę błędu ex ane rognoz).

8 WYODRĘBNANE SKŁADNKÓW SZEREGU CZASOWEGO TREND. FUNKCJA TRENDU ETODA ANALTYCZNA 2. ŚREDNE RUCHOE ETODA WYRÓWNYWANA ECHANCZNEGO średne ruchome zkłe średne ruchome scenroane

9 średne ruchome zkłe - oblcza sę z nearzse lczb sąsaduącch ze sobą razó szeregu, ak ab uzskan nk móc rzorządkoać całkoe arośc znaduące sę środku uzględnonego oblczenach rzedzału czasoego:

10 Eksor Eksor Polsce Polsce laach laach (mln zł) 45, 4, 35, 3, 25, 2, 5,, 5,, Eksor średne Eksor ruchome 3-okresoe

11 4545, Eksor Eksor Polsce Polsce laach laach (mln zł) Trend- średne ruchome 3-3-okresoe 5-okresoe 44, 3535, 33, 2525, 22, 55,, 55,, średne ruchome 3-okresoe średne ruchome 5-okresoe średne ruchome Eksor 3-okresoe ( 5 ( ) )

12 średne ruchome scenroane - oblcza sę z arzse lczb sąsaduącch ze sobą razó szeregu, uzględnaąc ołoę arośc erszego razu z danego cklu ahań, nasęne szske ozosałe raz składaące sę na ełn ckl ahań oraz oło arośc erszego razu z nasęnego cklu ahań:

13 3, Produk krao bruo Polsce laach 2-26 (mln zł) 29, 27, 25, 23, 2, 9, 7, 5, PKB średne ruchome

14 WSKAŹNK WAHAŃ OKRESOWYCH DLA SZEREGU CZASOWEGO Z TRENDE dla sezonoośc addne: amluda ahań kolench okresach ne będze rosła raz ze zrosem średnego ozomu (ne będze z nm dodano skoreloana) dla sezonoośc mullkane: amluda ahań kolench okresach będze rosła raz ze zrosem średnego ozomu (będze z nm dodano skoreloana) = T + S + e = T O e

15 WSKAŹNK WAHAŃ OKRESOWYCH DLA SZEREGU CZASOWEGO Z TRENDE WAHANA OKRESOWE ADDYTYWNE d S

16 25, 2, 5,, 5,, -5, -, -5, -2, nddualne skaźnk okresoośc PKB laach 2-26 ( ( s mln zł) zł) nddualne skaźnk okresoośc ednoskach absolunch nddualne skaźnk okresoośc Wahana okresoe ednoskach absolunch S ' n N (=,2,,d)

17 karał S' S -,992 -,93-4,32-4,44-3,449-3,36 V 9,29 9,37 suma -,354, d S Skorgoane ahana okresoe (suma odchleń okresoch obrębe cklu ahań róna zeru) k d d ' ' S,2,..., d S S k,2,..., d

18 WAHANA OKRESOWE ULTPLKATYWNE 3 Turśc zagranczn Krakoe laach 2-26 d d urśc zagranczn

19 ,6,4,2,,8,6,4,2, nddualne skaźnk okresoośc nddualne skaźnk okresoośc ednoskach zględnch nddualne skaźnk okresoośc - suro skaźnk ahań okresoch n N

20 karał O' O,527,53,2,27,53,52 V,737,742 suma 3,977 4, d d k d d - skaźnk korguąc k

21 ANALZA WAHAŃ OKRESOWYCH WSKAŹNK WAHAŃ OKRESOWYCH DLA SZEREGU CZASOWEGO BEZ TRENDU Turśc krao Krakoe laach 2-24 ( s) ഥ V V V V urśc krao Średna lczba ursó na karał Lno (urśc krao) laach 2-24

22

23 zględn skaźnk ahań okresoch: karał ;, 2,..., d suma 4, % mó, o le rocen arośc Warość rażena zaska obseroane -m odokrese cklu są, na skuek ahań okresoch, rzecęne ższe (znak +) lub nższe (znak -) od średnego zaska określonego rzez rend. O,83,254,26 V,97 absolun skaźnk ahań okresoch S,2,..., d S karał -9,875 25,625 2,625 V -8,375 suma,

24 ndeks sasczne

25 W rzadku badana dnamk zask ednorodnch znaczam: Absolune rzros arośc zmenne okrese, T 74567, ,2= 48469,3 T,,..., n Względne rzros arośc zmenne 48469,3 T, ,2 okrese, - oznacza ozom badanego zaska enm branm momence czasu T

26 Względn rzros zdefnoan ako loraz ozomó ego samego oednczego zaska z dóch różnch okresó (momenó) - ndeks nddualn. (, T ) / W sasce sołeczno-ekonomczne rozarue sę zkle rz rodzae nddualnch skaźnkó dnamk, a manoce: ndeks cen, lośc arośc.

27 ndeks łańcuchoe - ozom zaska es orónan z aroścą zaska momence orzednm -. / ndeks ednoodsaoe - ozom zaska es orónan z aroścą zaska momence =cons., czl sałm dla ozosałch momenó. /

28 ZASADY PRZELCZEŃ NDEKSÓW Przelczane ndeksó ednoodsaoch o odsae na ndeks o nne odsae Przelczane ndeksó ednoodsaoch o odsae na ndeks łańcuchoe Przelczane cągu ndeksó łańcuchoch na ndeks ednoodsaoe o odsae / / / : / / / :... ; / 2 / / 2 ' ' / :... : ' '

29 SYNTETYCZNE WELKOŚC CHARAKTERYZUJĄCE SZEREG CZASOWY 2. Średne emo zman ozomu zaska czase: r, n, g gdze g n n / n n es średną geomerczną z arośc ndeksu łańcuchoego badanm okrese.

30 Eksor rok orzedn = laa Eksor zł , ,8 25, , 4, , 9, ,6 2, ,8 23, ,6 5, ,5 7, 7 g n /,254,45...,7 g n n n ,5 64,,5 ( ) % (,5 ) % g Eksor (mln zł) Średne roczne emo zrosu: (mln zł),5 5% Średne roczne emo zman?

31 Na odsae onższch cągó ndeksó oceń kerunek emo zman rozmaró zaska. nd. ednoodsaoe:,;,;,;,;,; nd. łańcuchoe:,2;,2;,2;,2;,2; nd. ednoodsaoe:,;,;,2;,3;,4; nd. łańcuchoe:,;,;,2;,3;,4; nd. ednoodsaoe:,;,7;,8;,9;,; nd. łańcuchoe:,;,7;,8;,9;,; nd. ednoodsaoe:,5;,4;,3;,2;,; nd. łańcuchoe:,5;,4;,3;,2;,;

32 AGREGATOWE NDEKSY DLA WELKOŚC ABSOLUTNYCH: WARTOŚC, LOŚC CEN,2,..., m - zbór numeró rozaranch rodukó;,,, - arość -ego roduku,, odoedno momence (okrese) odsaom badanm; - lość (masa fzczna) -ego roduku, odoedno momence (okrese) odsaom badanm; - cena (ednoskoa) -ego roduku, momence (okrese) odsaom badanm.

33 ndeks nddualne (rose): skaźnk dnamk doczące orónana ednorodnch zmenaącch sę czase arośc. nddualn ndeks arośc:

34 ndeks agregaoe (zesołoe): skaźnk dnamk doczące orónana dnamk zaska neednorodne zboroośc: Agregao ndeks arośc: ndeks en nformue o łącznch zmanach arośc szskch rodukó momence badanm sosunku do momenu odsaoego.

35 Agregao ndeks cen Agregao ndeks lośc (mas fzczne) edług formuł Laseresa edług formuł Paaschego edług formuł Fshera L L P P P L F P L F

36 Przkład: zboża lość mln. cen zł szenca 5,265 4,87 59,4 367,2 żo 2,688, ,8 278,6 ęczmeń 3,383,62 56,5 375, Z aką słą łączne zman cen oraz lośc łał na zman łączne arośc srzedaż rzech gaunkó zbóż? 22 26

37 Przkład: P L L P zboża szenca 5,265 4,87 59,4 367,2 żo 2,688, ,8 278,6 ęczmeń 3,383,62 56,5 375, lość mln. cen zł zboża szenca 788,5 2682,2 933,6 248,9 żo 243,4 249,5 9,6 36,94 ęczmeń 232,7 93,9 43,6 34,2 2264,6 325,6 2268,8 32,

38 ,728 32, 2264,6 P, ,6 2268,8 L Agregaoe ndeks cen: edług formuł Laseresa edług formuł Paaschego

39 Agregaoe ndeks lośc: edług formuł Laseresa edług formuł Paaschego, ,6 32, L, ,8 2264,6 P

40 Róność ndeksoa:,725,997,727,996,728,726,998, ,6 2264,6 F F L P P L

41 L v edług formuł Laseresa Agregaoe ndeks cen: v Udzał arośc robu arośc szskch robó okrese odsaom

42 P v edług formuł Paaschego Agregaoe ndeks cen: v Udzał arośc robu arośc szskch robó okrese badanm

43 L v edług formuł Laseresa Agregaoe ndeks lośc: v Udzał arośc robu arośc szskch robó okrese odsaom

44 P v edług formuł Paaschego Agregaoe ndeks lośc: v Udzał arośc robu arośc szskch robó okrese badanm

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK Założena Nech oznacza ozom (warość) badanego zjawska (zmennej) w kolejnch momenach czasu T0, gdze T 0 0,1,..., n 1 oznacza worz szereg czasow. zbór numerów czasu. Cąg

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 6. Badanie dynamiki zjawisk Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 6. Badanie dynamiki zjawisk Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie

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

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA SZEREGÓW CZASOWYCH ANALIZA SZEREGÓW CZASWYCH Szereg czasow zbór warośc baanej cech lub warośc baanego zjawska zaobserwowanch w różnch momenach czasu uporząkowan chronologczne. Skłank szeregu czasowego:. enencja rozwojowa

Bardziej szczegółowo

ANALIZA DYNAMIKI ZJAWISK SZEREG CZASOWY

ANALIZA DYNAMIKI ZJAWISK SZEREG CZASOWY D. Miszczńska, M.Miszczński, Maeriał do wkładu 5 ze Saski, 29/ [] ANALZA DYNAMK ZJAWSK. szereg czasow, chronologiczn (momenów, okresów) 2. średni oziom zjawiska w czasie (średnia armeczna, średnia chronologiczna)

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH

ANALIZA SZEREGÓW CZASOWYCH ANALIZA ZEREGÓW CZAWYCH zereg czasow zbór warosc baanej cech lub warosc baanego zjawska zaobserwowanch w róznch momenach czasu uporzakowan chronologczne. klank szeregu czasowego:. enencja rozwojowa (ren)

Bardziej szczegółowo

Cechy szeregów czasowych

Cechy szeregów czasowych energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas

Bardziej szczegółowo

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci Zadane. Macerz radoodobeńst rzejśca ojedynczym kroku dla łańcucha Markoa...... o trzech stanach { } jest ostac 0 n 0 0 (oczyśce element stojący -tym erszu j -tej kolumne tej macerzy oznacza P( = j. Wtedy

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji SZEREG CZASOWY Y zjawisko badane w różnch okresach lub momentach czasu. Dnamika zjawiska to zmiana zjawiska w czasie. Przkład. Y średni kurs akcji firm OPTMUS na giełdzie Okres: notowania od 1.03.2010

Bardziej szczegółowo

formularzy opisowych, ankiet lub innych dokumentów stanowi nieuporządkowany statystyczny, stanowi on podstawę dalszych

formularzy opisowych, ankiet lub innych dokumentów stanowi nieuporządkowany statystyczny, stanowi on podstawę dalszych Zebran materał statstczn w forme sprawozdań, formularz opsowch, anket lub nnch dokumentów stanow neuporządkowan surow materał statstczn, neprzdatn jeszcze do bezpośrednej analz, porównań wnosków. Materał

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

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

ZAJĘCIA 4. Indeksy indywidualne i zespołowe (agregatowe)

ZAJĘCIA 4. Indeksy indywidualne i zespołowe (agregatowe) ZAJĘCIA 4 Ies uale zesołoe (agregaoe) SZEREGI CZASOWE W baaach eoomczch sołeczch zjasa są częso osae rzez zbór arośc zaobseroach różch momeach, rzezałach czasu. Szeregem czasom azam uorząoa zbór arośc

Bardziej szczegółowo

Zajęcia 1. Statystyki opisowe

Zajęcia 1. Statystyki opisowe Zajęcia 1. Statystyki opisowe 1. Znajdź dane dotyczące liczby mieszkańców w polskich województwach. Dla tych danych oblicz: a) Średnią, b) Medianę, c) Dominantę, d) Wariancję, e) Odchylenie standardowe,

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

FINANSOWE SZEREGI CZASOWE WYKŁAD 3

FINANSOWE SZEREGI CZASOWE WYKŁAD 3 FINANSOWE SZEREGI CZASOWE WYKŁAD 3 dr Tomasz Wójowcz Wydzał Zarządzana AGH 3800 3300 800 300 800 300 800 0 0 30 40 50 60 70 Kraków 0 Tomasz Wójowcz, WZ AGH Kraków przypomnene MA(q): gdze ε są d(0,σ ).

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 3 Szereg

Bardziej szczegółowo

Podstawowe algorytmy indeksów giełdowych

Podstawowe algorytmy indeksów giełdowych Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 25-11-13 Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 2013-11-25 Sps reśc I. Algorymy oblczana warośc ndeksów gełdowych...3 1. Warość beżąca

Bardziej szczegółowo

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o Cele werfacj odelu Werfacja sasczna odelu polega na oblczenu szeregu ernów jaośc odelu oraz werfacj pewnch hpoez sascznch w celu sprawdzena cz na podsawe ego odelu ożna wcągać wnos doczące badanego zjawsa

Bardziej szczegółowo

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

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

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

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

Badanie energetyczne płaskiego kolektora słonecznego

Badanie energetyczne płaskiego kolektora słonecznego Katedra Slnów Salnowych Pojazdów ATH ZAKŁAD TERMODYNAMIKI Badane energetyczne łasego oletora słonecznego - 1 - rowadzene yorzystane energ celnej romenowana słonecznego do celów ogrzewana, chłodzena oraz

Bardziej szczegółowo

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadane teoretyczne Rozwąż dowolne rzez sebe wybrane dwa sośród odanych nże zadań: ZADANIE T Nazwa zadana: Protony antyrotony A. Cząstk o mase równe mase rotonu, ale

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

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI. EONOMIA MENEDŻERSA Wykład 3 Funkcje rodukcj 1 FUNCJE PRODUCJI. ANAIZA OSZTÓW I ORZYŚCI SAI. MINIMAIZACJA OSZTÓW PRODUCJI. 1. FUNCJE PRODUCJI: JEDNO- I WIEOCZYNNIOWE Funkcja rodukcj określa zależność zdolnośc

Bardziej szczegółowo

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr

Bardziej szczegółowo

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa.

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa. Fundacja Centrum Edukacj Obyatelskej, ul. Noakoskego 10, 00-666 Warszaa, e-mal: ceo@ceo.org.l; Akadema ucznoska, Tel. 22 825 04 96, e-mal: au@ceo.org.l; ęcej nformacj:.akademaucznoska.l 1 Konstrukcja ger

Bardziej szczegółowo

dy dx stąd w przybliżeniu: y

dy dx stąd w przybliżeniu: y Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc

Bardziej szczegółowo

α i = n i /n β i = V i /V α i = β i γ i = m i /m

α i = n i /n β i = V i /V α i = β i γ i = m i /m Ćwczene nr 2 Stechometra reakcj zgazowana A. Część perwsza: powtórzene koncentracje stężena 1. Stężene Stężene jest stosunkem lośc substancj rozpuszczonej do całkowtej lośc rozpuszczalnka. Sposoby wyrażena

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 4. ZADANIA Zestaw 4

L.Kowalski zadania ze statystyki opisowej-zestaw 4. ZADANIA Zestaw 4 ZADANA Zestaw 4 Zadanie 4. Na podstawie informacji o zyskach firmy podanych w tabeli: Lata 995 996 997 998 999 Zysk (w tys. zł) 5200 600 6500 6700 700 a) wyznaczyć ciąg przyrostów łańcuchowych (bezwzględnych

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010 EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra

Bardziej szczegółowo

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi fzka statstczna stan makroskopow układ - skończon obszar przestrzenn (w szczególnośc zolowan) termodnamka fenomenologczna p, VT V, teora knetczno-molekularna termodnamka statstczna n(v) stan makroskopow

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

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o ˆ

t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o ˆ Eonoera Ćwczena Werfacja odelu eonoercznego Maerał poocncze Cele werfacj odelu Werfacja sasczna odelu polega na oblczenu szeregu ernów jaośc odelu oraz werfacj pewnch hpoez sascznch w celu sprawdzena cz

Bardziej szczegółowo

Prognozowanie i symulacje

Prognozowanie i symulacje Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym Załązn nr 3 Do zzegółowyh Zasad rowadzena Rozlzeń Transa rzez KDW_CC Zasady wyznazana mnmalne wartoś środów oberanyh rzez uzestnów od osób zleaąyh zaware transa na rynu termnowym 1. Metodologa wyznazana

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

Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy

Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy Analiza dynami zjawisk Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy się w tej tematyce. Indywidualne indeksy dynamiki Indywidualne

Bardziej szczegółowo

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI.

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI. Dywersyfkacja ortfela orzez nwestycje alternatywne. Prowadzący: Jerzy Nkorowsk, Suerfund TFI. Część I. 1) Czym jest dywersyfkacja Jest to technka zarządzana ryzykem nwestycyjnym, która zakłada osadane

Bardziej szczegółowo

EKONOMETRIA Wykład 2: Metoda Najmniejszych Kwadratów

EKONOMETRIA Wykład 2: Metoda Najmniejszych Kwadratów EKONOMERIA Wkład : Meoda Najmnejszch Kwadraów dr Doroa Cołek Kaedra Ekonomer Wdzał Zarządzana UG hp://wzr.pl/dc doroa.colek@ug.edu.pl Lnow model ekonomerczn:... zmenna endogenczna, 0 k k u zmenne objaśnające,

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego

Bardziej szczegółowo

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 10 Mkołaj Czajkowsk Wktor Budzńsk Jak analzować dane o charakterze uporządkowanym? Dane o charakterze uporządkowanym Wybór jednej z welkośc na uporządkowanej skal Skala ne ma nterpretacj

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

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

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)

Bardziej szczegółowo

Szacowanie niepewności wskaźników PMV

Szacowanie niepewności wskaźników PMV zacoane nepenośc skaźnkó Welkośc płyające na nepeność skaźnkó : a) temperatra poetrza ; b) temperatra poczernonej kl ; c) lgotność poetrza RH; d) prędkość poetrza a ; e) skaźnk cepłochronnośc odzeży ;

Bardziej szczegółowo

METODY KOMPUTEROWE 10

METODY KOMPUTEROWE 10 MEODY KOMPUEROWE RÓWNANIA RÓŻNICZKOWE CZĄSKOWE Poechnka Poznańska Mchał Płokowak Adam Łodgowsk Mchał PŁOKOWIAK Adam ŁODYGOWSKI Konsace nakowe dr nż. Wod Kąko Poznań 00/00 MEODY KOMPUEROWE 0 RÓWNANIA RÓŻNICZKOWE

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

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,

Bardziej szczegółowo

Obwody elektryczne. Stan ustalony i stan przejściowy. Metody analizy obwodów w stanie przejściowym. przejściowym. Stan ustalony i stan przejściowy

Obwody elektryczne. Stan ustalony i stan przejściowy. Metody analizy obwodów w stanie przejściowym. przejściowym. Stan ustalony i stan przejściowy Obody elerycze Meody aalzy obodó sae rzejścoym Wyład W obodze rąd sałego Warośc rądó aęć e legają zmae W obodze rąd zmeego Warośc średe secze rądó aęć e legają zmae Prądy aęca są fcjam oresoym o aej samej

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

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

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

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1 PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,

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

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Ą ś Ę ń ń ń Ć ś ć Ę Ę ż ę ę ż ż ż ź ć ż Ę ś ż ż ż ń ź ż ę Ą ę ę Ć ż ć Ę Ę ż Ó ś ż ż ż ś ż ź ć Ą ś ź ę Ę ń śł ż ę ż ń Ą Ó ń Ę Ż Ę ę ę ż ć ż ń ś ń Ć ń ć żę ś Ę ń ę ś Ę Ę ż ćż ć ę ż Ę ż ś Ę ń ć ś ż Ą ń ż

Bardziej szczegółowo

Ocena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak

Ocena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak Ocena jakoścowo-cenowych strateg konkurowana w polskm handlu produktam rolno-spożywczym dr Iwona Szczepanak Ekonomczne, społeczne nstytucjonalne czynnk wzrostu w sektorze rolno-spożywczym w Europe Cechocnek,

Bardziej szczegółowo

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m

Bardziej szczegółowo

Konspekty wykładów z ekonometrii

Konspekty wykładów z ekonometrii Konspek wkładów z ekonomerii Budowa i werfikaca modelu - reść przkładu W wniku ssemacznch badań popu na warzwa w pewnm mieście, orzmano nasępuące szeregi czasowe: przros (zmian) popu na warzwa (w zł. na

Bardziej szczegółowo

MODEL TENDENCJI ROZWOJOWEJ

MODEL TENDENCJI ROZWOJOWEJ MODEL TENDENCJI ROZWOJOWEJ Model endencji rozwojowej o konsrukcja eoreczna (równanie lub układ równań) opisująca kszałowanie się określonego zjawiska jako funkcji: zmiennej czasowej wahań okresowch (sezonowe

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

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki Dr nż. Robert Smusz Poltechnka Rzeszowska m. I. Łukasewcza Wydzał Budowy Maszyn Lotnctwa Katedra Termodynamk Projekt jest współfnansowany w ramach programu polskej pomocy zagrancznej Mnsterstwa Spraw Zagrancznych

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

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

KURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1

KURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE.   Strona 1 KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych

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

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej 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

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Proko roko@sgh.waw.l Statyka dynamka olgoolstyczne struktury rynku. Modele krótkookresowe konkurenc cenowe w olgoolu.. Model ogranczonych mocy rodukcynych ako wyaśnene

Bardziej szczegółowo

Markowa. ZałoŜenia schematu Gaussa-

Markowa. ZałoŜenia schematu Gaussa- ZałoŜena scheatu Gaussa- Markowa I. Model jest nezennczy ze względu na obserwacje: f f f3... fl f, czyl y f (x, ε) II. Model jest lnowy względe paraetrów. y βo + β x +ε Funkcja a być lnowa względe paraetrów

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych) Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.

Bardziej szczegółowo

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 5

Stanisław Cichocki Natalia Nehrebecka. Wykład 5 Sanisław Cichocki Naalia Nehrebecka Wkład 5 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA 2 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA

Bardziej szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND Finanse i Rachunkowość rok 2 Analiza dynamiki Szereg czasowy: y 1 y 2... y n 1 y n. y t poziom (wartość) badanego zjawiska w

Bardziej szczegółowo

Analiza szeregów czasowych

Analiza szeregów czasowych Statystyka Wykład 5. Analiza szeregów czasowych michal.trzesiok@ue.katowice.pl Uniwersytet Ekonomiczny w Katowicach Katedra Analiz Gospodarczych i Finansowych 9 listopada 2015 r. Plan Szeregi czasowe wprowadzenie

Bardziej szczegółowo

Analiza i zarządzanie portfelem studia ZI Przykładowe zadania z minimum programowego 1

Analiza i zarządzanie portfelem studia ZI Przykładowe zadania z minimum programowego 1 Zma 003/004 nalza zarządzane ortelem tuda ZI Przykładoe zadana z mnmum rogramoego 1 UTO: Paeł okta N INTEPETCJĘ POJĘĆ DOCHODU, YZYK I POTFEL EFEKTYWNEGO 1. Który ortel na eno ne jet eektyny: Naza ortela

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

Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006

Ekonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006 Modele dynamiczne Paweł Cibis pcibis@o2.pl 27 kwietnia 2006 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap

Bardziej szczegółowo

Ą Ą ć Ó Ó Ó Ś Ź Ź Ó ż Ź Ź Ś Ś ż Ę ĘŚ ń ń ć Ś Ą Ę ż ć Ś ć ć Ć Ó Ó ć ć Ó ć Ó ć ć ń ć Ą Ó Ó Ó Ą Ć ń ń Ź Ó ń ć Ó ć ć ć ń ż ć ć Ć Ć ć ż ć Ź Ó ć ć ć ć Ó ć ĘŚ ń ń ż ć Ś ć Ą Ó ń ć ć Ś ć Ę Ć Ę Ó Ó ń ż ź Ó Ó Ś ń

Bardziej szczegółowo

Ó ź ę ę ś Ą Ą Ę Ę Ł ę ę ź Ę ę ę ś ś Ł ę ś ś ę Ą ź ę ś ś ś ś ę ś ę ę ź ę ę ś ę ś ę ę ś Ś ś ę ę ś ś ę ę ę ś ę ę ę ę ś ę ź Ł Ą Ę Ł ę ś ź ść ś ę ę ę ę ę ę ś ś ś ę ę ś ę ę ś ę ź Ć ŚĆ ć ś ś ć ę ś ś ę ś ś ź ś

Bardziej szczegółowo

Ł Ą Ę Ń ć Ź ź ĘŚ ÓŁ Ę Ę ń ń ź Ę ń Ż ć ć ń ń ń Ę ń Ę ń ń Ę ń Ę ń ń ć ć ń Ę Ą Ś ń Ę Ą Ł ź ć Ś ć ć ć Ź Ł Ś ć ć ć ć ć Ł ć ć ź ń ń ń ń ń ń ń ź ź ć ń ć ć ć ź Ł ń Ę ÓŁ ń ź ź ź ń ć ć ć ń ń ń Ą ń ń ń ń ń Ś Ę

Bardziej szczegółowo