Dynamiczne stochastyczne modele równowagi ogólnej
|
|
- Karol Socha
- 5 lat temu
- Przeglądów:
Transkrypt
1 Dynamiczne stochastyczne modele równowagi ogólnej mgr Anna Sulima Instytut Matematyki UJ 8 maja 2012 mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
2 Spis treści 1 Gospodarstwa domowe Przedsiębiorstwa Rzad Bank centralny 2 Estymacja parametrów Estymacja bayesowska 3 Zastosowanie DSGE mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
3 DSGE (Dynamic Stochastic General Equilibrium Model) to dynamiczny, stochastyczny model równowagi ogólnej opisany stochastycznym równaniem różnicowym postaci: E{f (y t+1, y t, y t 1, ε t )} = 0 Jest to układ warunków pierwszego rzędu podmiotów gospodarczych, warunków ograniczajacych ich decyzje oraz warunków równowagi. mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
4 Elementy równowagi ogólnej modelu: mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
5 Elementy równowagi ogólnej modelu: 1 sektor przedsiębiorstw mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
6 Elementy równowagi ogólnej modelu: 1 sektor przedsiębiorstw 2 sektor gospodarstw domowych mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
7 Elementy równowagi ogólnej modelu: 1 sektor przedsiębiorstw 2 sektor gospodarstw domowych 3 sektor publiczny mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
8 Gospodarstwo domowe Gospodarstwa domowe Problem decyzyjny: C t R, t = 0, 1, 2,... N t [0, 1], t = 0, 1, 2,... max C t, N t E β t U(C t, N t ) t=0 C t = [(1 α) 1 ν 1 ν C ν H,t C H,t = ( [0,1] C F,t = ( [0,1] + α 1 ν 1 ν C ν F,t ] ν ν 1 C H,t (j) η 1 η η dj) η 1 C F,t (i) γ 1 γ γ di) γ 1 mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
9 Gospodarstwo domowe Gospodarstwa domowe Ograniczenie budżetowe: P H,t (j)c H,t (j)dj + P i,t (j)c i,t (j)djdi + E t (Q t,t+1 D t,t+1 ) D t + W t N t [0,1] [0,1] [0,1] mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
10 Przedsiębiorstwo Przedsiębiorstwa Problem decyzyjny: max P H,t k=0 E[Q t,t+1 (P H,t Y t+k,t (j) Ψ(Y t+k t (j)))] mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
11 Przedsiębiorstwo Przedsiębiorstwa Ograniczenie popytowe: P H,t Y t+k t (j)(s) ( P H,t+k (s) ) ɛ (C H,t+k (s) + CH,t+k(s)) f mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
12 Rzad Rzad Eksport i import: x = ω c [ Pc P m,c ]η c + ω i [ Pi P m,i ]η i mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
13 Rzad Rzad PKB: Y t = (1 α)h t + αk t + αµ t + ɛ t mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
14 Bank centralny Bank centralny Inflacja: π = µ µ z µ z,t = (1 ρ)µ z + ρµ z,t 1 + ε t, ε t N(0, σ) mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
15 Bank centralny Bank centralny Realne kursy walutowe: x k t = Sk t Pu t P e t mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
16 Zaburzenia strukturalne (ε) Bank centralny mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
17 Zaburzenia strukturalne (ε) Bank centralny 1 zaburzenia technologiczne, mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
18 Bank centralny Zaburzenia strukturalne (ε) 1 zaburzenia technologiczne, 2 zaburzenia marż (dóbr produkowanych w kraju, importowanych dóbr inwestycyjnych, importowanych dóbr konsumpcyjnych, dobr eksportowanych), mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
19 Bank centralny Zaburzenia strukturalne (ε) 1 zaburzenia technologiczne, 2 zaburzenia marż (dóbr produkowanych w kraju, importowanych dóbr inwestycyjnych, importowanych dóbr konsumpcyjnych, dobr eksportowanych), 3 zaburzenia preferencji (konsumpcji, podaży pracy, popytu) mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
20 Bank centralny Zaburzenia strukturalne (ε) 1 zaburzenia technologiczne, 2 zaburzenia marż (dóbr produkowanych w kraju, importowanych dóbr inwestycyjnych, importowanych dóbr konsumpcyjnych, dobr eksportowanych), 3 zaburzenia preferencji (konsumpcji, podaży pracy, popytu) 4 zaburzenia fiskalne i pochodzace z gospodarki światowej mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
21 Bank centralny Aproksymacja liniowa modelu DSGE: Y t = Hy t + u t ɛ t, u t N(0, R) y t = Ay t 1 + Bɛ t mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
22 Estymacja Estymacja parametrów Estymacja nazywamy szacowanie wartości parametrów modelu na podstawie obserwacji. mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
23 Estymacja Estymacja parametrów Estymacja nazywamy szacowanie wartości parametrów modelu na podstawie obserwacji. 1 Estymacja klasyczna 1 Estymacja metoda najmniejszych kwadratów mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
24 Estymacja Estymacja parametrów Estymacja nazywamy szacowanie wartości parametrów modelu na podstawie obserwacji. 1 Estymacja klasyczna 1 Estymacja metoda najmniejszych kwadratów 2 Estymacja metoda największej wiarygodności 2 Estymacja bayesowska mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
25 Estymacja parametrów Estymacja bayesowska Estymacja bayesowska θ-wektor wszystkich parametrów, zmienna losowa y-wektor wszystkich dostępnych obserwacji p(θ, y)-model bayesowski, łaczny rozkład parametrów i obserwacji p(θ y)-rozkład a posteriori (rozkład parametrów warunkowy względem obserwacji) p(y θ)-model próbkowy (rozkład próbkowy obserwacji tj. warunkowy względem parametrów) p(y)- brzegowy rozkład obserwacji p(θ)-rozkład a priori (brzegowy rozkład parametrów) mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
26 Estymacja parametrów Estymacja bayesowska Estymacja bayesowska Rozkład łaczny możemy zawsze dekomponować na brzegowy i warunkowy. Wobec tego model bayesowski możemy otrzymać na dwa sposoby: p(θ, y) = p(θ y)p(y) p(θ, y) = p(y θ)p(θ) mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
27 Estymacja parametrów Estymacja bayesowska Estymacja bayesowska Z kolei rozkłady brzegowe możemy otrzymać przez całkowanie rozkładu łacznego: p(y) = p(θ, y)dθ = p(y θ)p(θ)dθ θ p(θ) = p(θ, y)dy = p(θ y)p(y)dy θ Y Y mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
28 Estymacja parametrów Estymacja bayesowska Estymacja bayesowska Musimy jeszcze obliczyć rozkład a posteriori p(θ y) : p(θ y) =, ale p(θ, y) = p(y θ)p(θ) p(y) = p(θ, y)dθ = p(y θ)p(θ)dθ więc θ θ p(θ y) = p(θ, y) p(y) p(θ, y) p(y) = p(y θ)p(θ) p(y θ)p(θ)dθ θ mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
29 Estymacja parametrów Estymacja bayesowska Estymacja bayesowska Funkcja wiarygodności: p(θ, y) = p(y θ)p(θ) p(θ, y) L y (θ)p(θ) mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
30 Zastosowanie DSGE Zastosowanie modeli DSGE mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
31 Zastosowanie DSGE Zastosowanie modeli DSGE 1 budowanie prognoz procesów inflacyjnych i koniunktury gospodarczej, mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
32 Zastosowanie DSGE Zastosowanie modeli DSGE 1 budowanie prognoz procesów inflacyjnych i koniunktury gospodarczej, 2 identyfikacja szoków strukturalnych oddziałujacych na dany system ekonomiczny, mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
33 Zastosowanie DSGE Zastosowanie modeli DSGE 1 budowanie prognoz procesów inflacyjnych i koniunktury gospodarczej, 2 identyfikacja szoków strukturalnych oddziałujacych na dany system ekonomiczny, 3 analiza reakcji zmiennych modelu na szoki strukturalne, mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
34 Zastosowanie DSGE Zastosowanie modeli DSGE 1 budowanie prognoz procesów inflacyjnych i koniunktury gospodarczej, 2 identyfikacja szoków strukturalnych oddziałujacych na dany system ekonomiczny, 3 analiza reakcji zmiennych modelu na szoki strukturalne, 4 analiza wpływu szoków strukturalnych na dynamikę zmiennych makroekonomicznych, mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
35 Zastosowanie DSGE Zastosowanie modeli DSGE 1 budowanie prognoz procesów inflacyjnych i koniunktury gospodarczej, 2 identyfikacja szoków strukturalnych oddziałujacych na dany system ekonomiczny, 3 analiza reakcji zmiennych modelu na szoki strukturalne, 4 analiza wpływu szoków strukturalnych na dynamikę zmiennych makroekonomicznych, 5 sa narzędziem do podejmowania decyzji w poliyce pieniężnej NBP oraz polityce gospodarczej rzadu, mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
36 Zastosowanie DSGE Bibliografia 1. An S., Schorfheide F., 2007, Bayesian Analysis of DSGE Models,Econometric Reviews 2. Christiano L. J., Eichenbaum M., Evans C. L., 2005, Nominal Rigidities and the Dynamic Efects of a Shock to Monetary Policy, Journal of Political Economy 3. G. Grabek, B. Kłos, G. Koloch, SOE- Model DSGE małej otwartej gospodarki estymowany na polskich danych, Materiały i Studia, zeszyt nr Smets F., Wouters R., 2003, An Estimated Dynamic Stochastic General Equilibrium Model of the Euro Area, Journal of European Economic Association, 97(3): Smets F., Wouters R., 2007, Shocks and Frictions in US Business Cycles: A Bayesian DSGE Approach, American Economic Review, mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja / 22
Modele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11
Modele DSGE Jerzy Mycielski Maj 2008 Jerzy Mycielski () Modele DSGE Maj 2008 1 / 11 Modele DSGE DSGE - Dynamiczne, stochastyczne modele równowagi ogólnej (Dynamic Stochastic General Equilibrium Model)
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 2 autorzy: A. Gonczarek, J.M. Tomczak Metody estymacji Zad. 1 Pojawianie się spamu opisane jest zmienną losową x o rozkładzie dwupunktowym
Bardziej szczegółowoStylizowany model DSGE małej gospodarki otwartej w niesymetrycznej unii walutowej. Wnioski dla Polski.
Stylizowany model DSGE małej gospodarki otwartej w niesymetrycznej unii walutowej. Wnioski dla Polski. Grzegorz Koloch Zakład Wspomagania i Analizy Decyzji Instytut Ekonometrii Szkoła Główna Handlowa VII
Bardziej szczegółowoWstęp do Metod Systemowych i Decyzyjnych Opracowanie: Jakub Tomczak
Wstęp do Metod Systemowych i Decyzyjnych Opracowanie: Jakub Tomczak 1 Wprowadzenie. Zmienne losowe Podczas kursu interesować nas będzie wnioskowanie o rozpatrywanym zjawisku. Poprzez wnioskowanie rozumiemy
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 2 autorzy: A. Gonczarek, J.M. Tomczak Metody estymacji ML Zad. 1 Pojawianie się spamu opisane jest zmienną losową x o rozkładzie dwupunktowym
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 3 Metody estymacji. Estymator największej wiarygodności Zad. 1 Pojawianie się spamu opisane jest zmienną losową y o rozkładzie zero-jedynkowym
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 2. Dynamiczny model DAD/DAS. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 2. Dynamiczny model DAD/DAS Dagmara Mycielska Joanna Siwińska - Gorzelak Plan wykładu Uwzględnienie dynamiki w modelu AD/AS. Modelowanie wpływu zakłóceń lub zmian polityki gospodarczej
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 2. Dynamiczny model DAD/DAS. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 2. Dynamiczny model DAD/DAS Dagmara Mycielska Joanna Siwińska - Gorzelak Plan wykładu Uwzględnienie dynamiki w modelu AD/AS. Modelowanie wpływu zakłóceń lub zmian polityki gospodarczej
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 4-5. Dynamiczny model DAD/DAS, część 3. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 4-5. Dynamiczny model DAD/DAS, część 3 Dagmara Mycielska Joanna Siwińska - Gorzelak 2 Plan wykładu Zakłócenia w modelu DAD/DAS: Wzrost produkcji potencjalnej; Zakłócenie podażowe
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 4-5. Dynamiczny model DAD/DAS, część 3. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 4-5. Dynamiczny model DAD/DAS, część 3 Dagmara Mycielska Joanna Siwińska - Gorzelak 2 Plan wykładu Zakłócenia w modelu DAD/DAS: Wzrost produkcji potencjalnej; Zakłócenie podażowe
Bardziej szczegółowoWybrane skutki przystąpienia małej otwartej gospodarki do unii walutowej.
Wybrane skutki przystąpienia małej otwartej gospodarki do unii walutowej. Optyka modeli DSGE SOE PL d Grzegorz Grabek, Bohdan Kłos Instytut Ekonomiczny Narodowy Bank Polski 3 września 28 Pełny ekran Koniec
Bardziej szczegółowoKalibracja. W obu przypadkach jeśli mamy dane, to możemy znaleźć równowagę: Konwesatorium z Ekonometrii, IV rok, WNE UW 1
Kalibracja Kalibracja - nazwa pochodzi z nauk ścisłych - kalibrowanie instrumentu oznacza wyznaczanie jego skali (np. kalibrowanie termometru polega na wyznaczeniu 0C i 100C tak by oznaczały punkt zamarzania
Bardziej szczegółowoRozpoznawanie obrazów
Rozpoznawanie obrazów Ćwiczenia lista zadań nr 5 autorzy: A. Gonczarek, J.M. Tomczak Przykładowe problemy Klasyfikacja binarna Dla obrazu x zaproponowano dwie cechy φ(x) = (φ 1 (x) φ 2 (x)) T. Na obrazie
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 13 i 14 - Statystyka bayesowska
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 13 i 14 - Statystyka bayesowska Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 13 i 14 1 / 15 MODEL BAYESOWSKI, przykład wstępny Statystyka
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoModele wielorownaniowe
Część 1. e e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej e makroekonomiczne z reguły składają się z większej
Bardziej szczegółowoMetoda najmniejszych kwadratów
Metoda najmniejszych kwadratów Przykład wstępny. W ekonomicznej teorii produkcji rozważa się funkcję produkcji Cobba Douglasa: z = AL α K β gdzie z oznacza wielkość produkcji, L jest nakładem pracy, K
Bardziej szczegółowoREGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO. Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój
1 REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój 2 DOTYCHCZASOWE MODELE Regresja liniowa o postaci: y
Bardziej szczegółowoWprowadzenie do uczenia maszynowego. Jakub Tomczak
Wprowadzenie do uczenia maszynowego Jakub Tomczak 2014 ii Rozdział 1 Pojęcia podstawowe 1.1 Wprowadzenie. Zmienne losowe ˆ Podczas kursu interesować nas będzie wnioskowanie o rozpatrywanym zjawisku. Poprzez
Bardziej szczegółowoMAKROEKONOMIA II KATARZYNA ŚLEDZIEWSKA
MAKROEKONOMIA II KATARZYNA ŚLEDZIEWSKA WYKŁAD VII: CYKLE KONIUNKTURALNE Co to jest cykl koniunkturalny? Mierzenie cyklu koniunkturalnego Fakty dot. cyklu koniunkturalnego Cykle koniunkturalne w klasycznej
Bardziej szczegółowoMakroekonomia Zaawansowana
Makroekonomia Zaawansowana wiczenia 1 Stan ustalony i log-linearyzacja MZ 1 / 27 Plan wicze«1 Praca z modelami DSGE 2 Stan ustalony 3 Log-linearyzacja 4 Zadania MZ 2 / 27 Plan prezentacji 1 Praca z modelami
Bardziej szczegółowoFuzja sygnałów i filtry bayesowskie
Fuzja sygnałów i filtry bayesowskie Roboty Manipulacyjne i Mobilne dr inż. Janusz Jakubiak Katedra Cybernetyki i Robotyki Wydział Elektroniki, Politechnika Wrocławska Wrocław, 10.03.2015 Dlaczego potrzebna
Bardziej szczegółowoMAKROEKONOMICZNE PODSTAWY GOSPODAROWANIA
Wykład: MAKROEKONOMICZNE PODSTAWY GOSPODAROWANIA Aktorzy gry rynkowej RZĄD FIRMY GOSPODARSTWA DOMOWE SEKTOR FINANSOWY Rynki makroekonomiczne Zasoby i strumienie STRUMIENIE ZASOBY Strumienie: dochody liczba
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD października 2009
STATYSTYKA MATEMATYCZNA WYKŁAD 4 26 października 2009 Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ (X µ) 2 { (x µ) 2 exp 1 ( ) } x µ 2 dx 2 σ Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ
Bardziej szczegółowoHistoria ekonomii. Mgr Robert Mróz. Makroekonomia w XX wieku
Historia ekonomii Mgr Robert Mróz Makroekonomia w XX wieku 17.01.2017 Keynes To od jego Ogólnej teorii możemy mówić o nowoczesnej makroekonomii Sprzeciw wobec twierdzenia poprzednich ekonomistów, że rynki
Bardziej szczegółowoNiech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.
Prawdopodobieństwo i statystyka 3..00 r. Zadanie Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX 4 i EY 6. Rozważamy zmienną losową Z. X + Y Wtedy (A) EZ 0,
Bardziej szczegółowoBAYESOWSKA ANALIZA KRAŃCOWEJ SKŁONNOŚCI DO KONSUMPCJI
Bayesowska analiza krańcowej skłonności do konsumpcji STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 9 MARIUSZ DOSZYŃ Uniwersytet Szczeciński BAYESOWSKA ANALIZA KRAŃCOWEJ SKŁONNOŚCI DO KONSUMPCJI
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 1. Model AD/AS - powtórzenie. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 1. Model AD/AS - powtórzenie Dagmara Mycielska Joanna Siwińska - Gorzelak Plan wykładu 1. Krótkookresowe wahania koniunktury Dynamiczny model zagregowanego popytu i podaży: skutki
Bardziej szczegółowoRozwój Polski w warunkach stagnacji gospodarczej Unii Europejskiej
Witold Grostal, Dyrektor Biura Strategii Polityki Pieniężnej w NBP Rozwój Polski w warunkach stagnacji gospodarczej Unii Europejskiej VII Konferencja dla Budownictwa / 14 kwietnia 2015 r. 2005Q1 2006Q1
Bardziej szczegółowoWYKŁAD 2 i 3. Podstawowe pojęcia związane z prawdopodobieństwem. Podstawy teoretyczne. autor: Maciej Zięba. Politechnika Wrocławska
Wrocław University of Technology WYKŁAD 2 i 3 Podstawowe pojęcia związane z prawdopodobieństwem. Podstawy teoretyczne autor: Maciej Zięba Politechnika Wrocławska Pojęcie prawdopodobieństwa Prawdopodobieństwo
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 3..007 r. Zadanie. Każde z ryzyk pochodzących z pewnej populacji charakteryzuje się tym że przy danej wartości λ parametru ryzyka Λ rozkład wartości szkód z tego ryzyka
Bardziej szczegółowoMakroekonomia 1. Modele graficzne
Makroekonomia 1 Modele graficzne Obieg okrężny $ Gospodarstwa domowe $ $ $ $ $ Rynek zasobów $ Rynek finansowy $ $ Rząd $ $ $ $ $ $ $ Rynek dóbr i usług $ Firmy $ Model AD - AS Popyt zagregowany (AD) Popyt
Bardziej szczegółowoStanisław Cichocki Natalia Neherbecka
Stanisław Cichocki Natalia Neherbecka 13 marca 2010 1 1. Kryteria informacyjne 2. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach (ADL) 3. Analiza
Bardziej szczegółowoRozpoznawanie obrazów
Rozpoznawanie obrazów Ćwiczenia lista zadań nr 7 autorzy: A. Gonczarek, J.M. Tomczak Przykładowe problemy Klasyfikacja binarna Dla obrazu x zaproponowano dwie cechy φ(x) = (φ 1 (x) φ 2 (x)) T. Na obrazie
Bardziej szczegółowoPrzyczyny wahań realnego kursu walutowego w Polsce wyniki badań z wykorzystaniem bayesowskich strukturalnych modeli VAR
Przyczyny wahań realnego kursu walutowego w Polsce wyniki badań z wykorzystaniem bayesowskich strukturalnych modeli VAR dr Marek A. Dąbrowski Uniwersytet Ekonomiczny w Krakowie Katedra Makroekonomii marek.dabrowski@uek.krakow.pl
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty dziewiąty kwartalny raport oceniający stan koniunktury gospodarczej w Polsce (IV kwartał 2015 r.) oraz prognozy na lata 2016 2017
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) E i E E i r r ν φ θ θ ρ ε ρ α 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania
Bardziej szczegółowoPodstawowe modele probabilistyczne
Wrocław University of Technology Podstawowe modele probabilistyczne Maciej Zięba maciej.zieba@pwr.edu.pl Rozpoznawanie Obrazów, Lato 2018/2019 Pojęcie prawdopodobieństwa Prawdopodobieństwo reprezentuje
Bardziej szczegółowoAlgorytmy MCMC i ich zastosowania statystyczne
Algorytmy MCMC i ich zastosowania statystyczne Wojciech Niemiro Uniwersytet Mikołaja Kopernika, Toruń i Uniwersytet Warszawski Statystyka Matematyczna Wisła, grudzień 2010 Wykład 1 1 Co to jest MCMC? 2
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład IV: 27 października 2014 Współczynnik korelacji Brak korelacji a niezależność Definicja współczynnika korelacji Współczynnikiem korelacji całkowalnych z kwadratem zmiennych losowych X i Y nazywamy
Bardziej szczegółowoANALIZA NASTĘPSTW SZOKU INFLACYJNEGO Z WYKORZYSTANIEM MODELU DSGE DLA GOSPODARKI POLSKIEJ
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 4(324) 216 http://dx.doi.org/1.18778/28-618.324.5 Szymon Wójcik * ANALIZA NASTĘPSTW SZOKU INFLACYJNEGO Z WYKORZYSTANIEM MODELU DSGE
Bardziej szczegółowodr Bartłomiej Rokicki Chair of Macroeconomics and International Trade Theory Faculty of Economic Sciences, University of Warsaw
Chair of Macroeconomics and International Trade Theory Faculty of Economic Sciences, University of Warsaw Kryzysy walutowe Modele pierwszej generacji teorii kryzysów walutowych Model Krugmana wersja analityczna
Bardziej szczegółowoProjekcja inflacji i wzrostu gospodarczego Narodowego Banku Polskiego na podstawie modelu NECMOD
Instytut Ekonomiczny Projekcja inflacji i wzrostu gospodarczego Narodowego Banku Polskiego na podstawie modelu NECMOD Warszawa / listopada Projekcja inflacji i wzrostu gospodarczego na podstawie modelu
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium JAVA Zadanie nr 2 Rozpoznawanie liter autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z problemem klasyfikacji
Bardziej szczegółowoPodstawowe mechanizmy ekonomiczne modelu DSGE SoePL-2012
Bank i Kredyt 43 (6), 212, 81 122 www.bankikredyt.nbp.pl www.bankandcredit.nbp.pl Podstawowe mechanizmy ekonomiczne modelu DSGE SoePL-212 Grzegorz Grabek*, Bohdan Kłos # Nadesłany: 17 kwietnia 212 r. Zaakceptowany:
Bardziej szczegółowoSpis treêci. www.wsip.com.pl
Spis treêci Jak by tu zacząć, czyli: dlaczego ekonomia?........................ 9 1. Podstawowe pojęcia ekonomiczne.............................. 10 1.1. To warto wiedzieć już na początku.............................
Bardziej szczegółowoProjekcja inflacji i wzrostu gospodarczego Narodowego Banku Polskiego na podstawie modelu NECMOD
Warszawa,.. r. Projekcja inflacji i wzrostu gospodarczego Narodowego Banku Polskiego na podstawie modelu NECMOD Instytut Ekonomiczny Plan prezentacji. Zmiany pomiędzy rundami prognostycznymi Zmiana założeń
Bardziej szczegółowoWykład 9. Model ISLM
Makroekonomia 1 Wykład 9 Model ISLM Gabriela Grotkowska Katedra Makroekonomii i Teorii Handlu Zagranicznego Nasza mapa drogowa Krzyż keynesowski Teoria preferencji płynności Krzywa IS Krzywa LM Model ISLM
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty czwarty kwartalny raport oceniający stan koniunktury gospodarczej w Polsce ( kwartał 2014 r.) oraz prognozy na lata 2014 2015 KWARTALNE
Bardziej szczegółowoĆwiczenia 5, Makroekonomia II, Rozwiązania
Ćwiczenia 5, Makroekonomia II, Rozwiązania Zadanie 1 Załóżmy, że w gospodarce ilość pieniądza rośnie w tempie 5% rocznie, a realne PKB powiększa się w tempie 2,5% rocznie. Ile wyniesie stopa inflacji w
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD stycznia 2010
STATYSTYKA MATEMATYCZNA WYKŁAD 14 18 stycznia 2010 Model statystyczny ROZKŁAD DWUMIANOWY ( ) {0, 1,, n}, {P θ, θ (0, 1)}, n ustalone P θ {K = k} = ( ) n θ k (1 θ) n k, k k = 0, 1,, n Geneza: Rozkład Bernoulliego
Bardziej szczegółowoEkonomia monetarna - wprowadzenie. Michał Brzoza-Brzezina Katedra Polityki Pieniężnej
Ekonomia monetarna - wprowadzenie Michał Brzoza-Brzezina Katedra Polityki Pieniężnej Spis treści 1. Co to jest ekonomia monetarna? 2. Krótkie wprowadzenie do polityki pieniężnej 3. Stopy procentowe, produkcja
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
Bardziej szczegółowo1.1 Wstęp Literatura... 1
Spis treści Spis treści 1 Wstęp 1 1.1 Wstęp................................ 1 1.2 Literatura.............................. 1 2 Elementy rachunku prawdopodobieństwa 2 2.1 Podstawy..............................
Bardziej szczegółowoOpis dyskusji na posiedzeniu decyzyjnym Rady Polityki Pieniężnej w dniu 2 grudnia 2015 r.
Opis dyskusji na posiedzeniu decyzyjnym Rady Polityki Pieniężnej w dniu 2 grudnia 2015 r. Na posiedzeniu członkowie Rady dyskutowali na temat polityki pieniężnej w kontekście bieżącej i przyszłej sytuacji
Bardziej szczegółowo=Dá F]QLN QU s}ï v] }o] Çl] ] v]'ïv i v }l îìíï
736 M. Belka Narodowy Bank Polski Warszawa, r. Z nia na rok 2013 przed do projektu u Z nia. W ch realizowanej przez Narodowy Bank Polski 3 r. Ponadto i W na rok 2013 10 2012 r. p 2. W 2013 r. olskim w
Bardziej szczegółowoMakroekonomia Gospodarki Otwartej Wykład 11 Równowaga zewnętrzna i wewnętrzna w gospodarce otwartej Diagram Swana
Makroekonomia Gospodarki Otwartej Wykład 11 Równowaga zewnętrzna i wewnętrzna w gospodarce otwartej Diagram Swana Leszek Wincenciak Wydział Nauk Ekonomicznych UW 2/26 Plan wykładu: Prosty model keynesowski
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak E i E E i r r 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania Reguła poliyki monearnej
Bardziej szczegółowoMetoda największej wiarogodności
Wprowadzenie Założenia Logarytm funkcji wiarogodności Metoda Największej Wiarogodności (MNW) jest bardziej uniwersalną niż MNK metodą szacowania wartości nieznanych parametrów Wprowadzenie Założenia Logarytm
Bardziej szczegółowoEfekt pass-through kursu walutowego na ceny
Makroekonomia Gospodarki Otwartej II dr Dagmara Mycielska c by Dagmara Mycielska Wprowadzenie Tematy wykładów 6-7 1 Efekt przeniesienia kursu walutowego na ceny - efekt pass-through. 2 Kurs walutowy i
Bardziej szczegółowo1.1 Klasyczny Model Regresji Liniowej
1.1 Klasyczny Model Regresji Liniowej Klasyczny model Regresji Liniowej jest bardzo użytecznym narzędziem służącym do analizy danych empirycznych. Analiza regresji zajmuje się opisem zależności między
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty drugi kwartalny raport oceniający stan koniunktury gospodarczej w Polsce (I kwartał 2014 r.) oraz prognozy na lata 2014 2015 KWARTALNE
Bardziej szczegółowoSpis treści Wstęp Estymacja Testowanie. Efekty losowe. Bogumiła Koprowska, Elżbieta Kukla
Bogumiła Koprowska Elżbieta Kukla 1 Wstęp Czym są efekty losowe? Przykłady Model mieszany 2 Estymacja Jednokierunkowa klasyfikacja (ANOVA) Metoda największej wiarogodności (ML) Metoda największej wiarogodności
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia dziewięćdziesiąty trzeci kwartalny raport oceniający stan koniunktury gospodarczej w Polsce (IV kwartał 2016 r.) oraz prognozy na lata 2017 2018
Bardziej szczegółowoMakroekonomia Gregory N. Mankiw, Mark P. Taylor
Makroekonomia Gregory N. Mankiw, Mark P. Taylor Popularny w USA i Europie Zachodniej podręcznik przeznaczony do studiowania makroekonomii na pierwszych latach studiów. Obejmuje takie zagadnienia, jak rachunek
Bardziej szczegółowoPorównanie modeli regresji. klasycznymi modelami regresji liniowej i logistycznej
Porównanie modeli logicznej regresji z klasycznymi modelami regresji liniowej i logistycznej Instytut Matematyczny, Uniwersytet Wrocławski Małgorzata Bogdan Instytut Matematyki i Informatyki, Politechnika
Bardziej szczegółowoMODEL AS-AD. Dotąd zakładaliśmy (w modelu IS-LM oraz w krzyżu keynesowskim), że ceny w gospodarce są stałe. Model AS-AD uchyla to założenie.
MODEL AS-AD Dotąd zakładaliśmy (w modelu IS-LM oraz w krzyżu keynesowskim), że ceny w gospodarce są stałe. Model AS-AD uchyla to założenie. KRZYWA AD Krzywą AD wyprowadza się z modelu IS-LM Każdy punkt
Bardziej szczegółowoOpis dyskusji na posiedzeniu decyzyjnym Rady Polityki Pieniężnej w dniu 6 kwietnia 2016 r.
Opis dyskusji na posiedzeniu decyzyjnym Rady Polityki Pieniężnej w dniu 6 kwietnia 2016 r. Na posiedzeniu członkowie Rady dyskutowali na temat polityki pieniężnej w kontekście sytuacji makroekonomicznej
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty pierwszy kwartalny raport oceniający stan koniunktury gospodarczej w Polsce (IV kwartał 2013 r.) oraz prognozy na lata 2014 2015
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 14. Podsumowanie. dr Dagmara Mycielska dr hab. Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 14. Podsumowanie dr Dagmara Mycielska dr hab. Joanna Siwińska - Gorzelak Plan wykładu 1. Egzamin i warunki zaliczenia przypomnienie. 2. Czego się nauczyliśmy? Powtórka z wykładu
Bardziej szczegółowoUogolnione modele liniowe
Uogolnione modele liniowe Jerzy Mycielski Uniwersytet Warszawski grudzien 2013 Jerzy Mycielski (Uniwersytet Warszawski) Uogolnione modele liniowe grudzien 2013 1 / 17 (generalized linear model - glm) Zakładamy,
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty szósty kwartalny raport oceniający stan koniunktury gospodarczej w Polsce (I kwartał 2015 r.) oraz prognozy na lata 2015 2016 KWARTALNE
Bardziej szczegółowoWpływ bieżącej sytuacji gospodarczej na sektor małych i średnich przedsiębiorstw MSP
Wpływ bieżącej sytuacji gospodarczej na sektor małych i średnich przedsiębiorstw MSP Prof. Anna Zielińska-Głębocka Uniwersytet Gdański Rada Polityki Pieniężnej 1.Dynamika wzrostu gospodarczego spowolnienie
Bardziej szczegółowoEstymacja parametrów rozkładu cechy
Estymacja parametrów rozkładu cechy Estymujemy parametr θ rozkładu cechy X Próba: X 1, X 2,..., X n Estymator punktowy jest funkcją próby ˆθ = ˆθX 1, X 2,..., X n przybliżającą wartość parametru θ Przedział
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia siedemdziesiąty drugi kwartalny raport oceniający stan koniunktury gospodarczej w Polsce ( kwartał 2011 r.) oraz prognozy na lata 2011 2012 KWARTALNE
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne Teoria estymacji Jędrzej Potoniec Bibliografia Bibliografia Próba losowa (x 1, x 2,..., x n ) Próba losowa (x 1, x 2,..., x n ) (X 1, X 2,..., X n ) Próba losowa (x 1, x 2,...,
Bardziej szczegółowoWarunkiem uzyskania zaliczenia ćwiczeń jest zdobycie minimum 51% punktów możliwych do uzyskania w semestrze. Punkty studenci mogą zdobyć za:
Ćwiczenia: Makroekonomia I Prowadzący: Łukasz Goczek WWW: http://coin.wne.uw.edu.pl/lgoczek E-mail: lgoczek@wne.uw.edu.pl Dyżur: poniedziałek 14:00-14:55, sala 409-10 I. Cel zajęć Celem ćwiczeń prowadzonych
Bardziej szczegółowoWady klasycznych modeli input - output
Wady klasycznych modeli input - output 1)modele statyczne: procesy gospodarcze mają najczęściej charakter dynamiczny, 2)modele deterministyczne: procesy gospodarcze mają najczęściej charakter stochastyczny,
Bardziej szczegółowoEkonometria - wykªad 1
Ekonometria - wykªad 1 0. Wprowadzenie Barbara Jasiulis-Goªdyn 28.02.2014 2013/2014 Ekonometria Literatura [1] B. Borkowski, H. Dudek, W. Szczesny, Ekonometria. Wybrane Zaganienia, PWN, Warszawa 2003.
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty trzeci kwartalny raport oceniający stan koniunktury gospodarczej w Polsce ( kwartał 2014 r.) oraz prognozy na lata 2014 2015 KWARTALNE
Bardziej szczegółowoSzacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka
Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE Joanna Sawicka Plan prezentacji Model Poissona-Gamma ze składnikiem regresyjnym Konstrukcja optymalnego systemu Bonus- Malus Estymacja
Bardziej szczegółowoDostosowania makroekonomiczne a heterogeniczność strefy euro
Dostosowania makroekonomiczne a heterogeniczność strefy euro Seminarium BISE, NBP, Biuro ds Integracji ze Strefą Euro września 28 Plan prezentacji 2 3 4 5 Plan prezentacji 2 3 4 5 Wprowadzenie od pojawienia
Bardziej szczegółowoEkonometria. Modele wielorównaniowe. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Modele wielorównaniowe Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 11 Modele wielorównaniowe 1 / 35 Outline 1 Wprowadzenie do modeli wielorównaniowych 2 Modele równań
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014
Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu
Bardziej szczegółowoKoszt utraty autonomicznej polityki pieni ¾e znej po wejściu Polski do strefy euro.
Koszt utraty autonomicznej polityki pieni ¾e znej po wejściu Polski do strefy euro. Micha Gradzewicz i Krzysztof Makarski Instytut Ekonomiczny NBP Instytut Ekonomiczny NBP i Szko a G ówna Handlowa 9 września
Bardziej szczegółowoZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO
Wydział Nauk Ekonomicznych i Zarządzania Kierunek Analityka Gospodarcza Studia stacjonarne I stopnia ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Zagadnienia ogólnoekonomiczne 1. Aktualna sytuacja na europejskim
Bardziej szczegółowoWykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap
Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap Magdalena Frąszczak Wrocław, 21.02.2018r Tematyka Wykładów: Próba i populacja. Estymacja parametrów z wykorzystaniem metody
Bardziej szczegółowoMakroekonomia 1 dla MSEMen. Gabriela Grotkowska
Makroekonomia dla MSEMen Gabriela Grotkowska Plan wykładu 5 Model Keynesa: wprowadzenie i założenia Wydatki zagregowane i równowaga w modelu Mnożnik i jego interpretacja Warunek równowagi graficznie i
Bardziej szczegółowoWprowadzenie. { 1, jeżeli ˆr(x) > 0, pozatym. Regresja liniowa Regresja logistyczne Jądrowe estymatory gęstości. Metody regresyjne
Wprowadzenie Prostym podejściem do klasyfikacji jest estymacja funkcji regresji r(x) =E(Y X =x)zpominięciemestymacjigęstościf k. Zacznijmyodprzypadkudwóchgrup,tj.gdy Y = {1,0}. Wówczasr(x) =P(Y =1 X =x)ipouzyskaniuestymatora
Bardziej szczegółowoProjekcja inflacji i wzrostu gospodarczego Narodowego Banku Polskiego na podstawie modelu NECMOD
Warszawa, 8.7. r. Projekcja inflacji i wzrostu gospodarczego Narodowego Banku Polskiego na podstawie modelu NECMOD Instytut Ekonomiczny Plan prezentacji. Zmiany pomiędzy rundami prognostycznymi Zmiana
Bardziej szczegółowoEGZAMIN Z MAKROEKONOMII I Wersja przykładowa
EGZAMIN Z MAKROEKONOMII I Wersja przykładowa... Imię i nazwisko, nr albumu INSTRUKCJA 1. Najpierw przeczytaj zasady i objaśnienia. 2. Potem podpisz wszystkie kartki (tam, gdzie jest miejsce na Twoje imię
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty siódmy kwartalny raport oceniający stan koniunktury gospodarczej w Polsce ( kwartał 2015 r.) oraz prognozy na lata 2015 2016 KWARTALNE
Bardziej szczegółowoMirosław Gronicki MAKROEKONOMICZNE SKUTKI BUDOWY I EKSPLOATACJI ELEKTROWNI JĄDROWEJ W POLSCE W LATACH 2020-2035
Mirosław Gronicki MAKROEKONOMICZNE SKUTKI BUDOWY I EKSPLOATACJI ELEKTROWNI JĄDROWEJ W POLSCE W LATACH 2020-2035 Krynica - Warszawa - Gdynia 5 września 2013 r. Uwagi wstępne 1. W opracowaniu przeanalizowano
Bardziej szczegółowodla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.
Zadanie. Dla dowolnej zmiennej losowej X o wartości oczekiwanej μ, wariancji momencie centralnym μ k rzędu k zachodzą nierówności (typu Czebyszewa): ( X μ k Pr > μ + t σ ) 0. k k t σ *
Bardziej szczegółowoWykład 10 Estymacja przedziałowa - przedziały ufności dla średn
Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem
Bardziej szczegółowoWprowadzenie Modele o opóźnieniach rozłożonych Modele autoregresyjne o opóźnieniach rozłożonych. Modele dynamiczne.
opisują kształtowanie się zjawiska w czasie opisują kształtowanie się zjawiska w czasie Najważniejszymi zastosowaniami modeli dynamicznych są opisują kształtowanie się zjawiska w czasie Najważniejszymi
Bardziej szczegółowoMAKROEKONOMICZNE PODSTAWY GOSPODAROWANIA
Wykład: MAKROEKONOMICZNE PODSTAWY GOSPODAROWANIA Aktorzy gry rynkowej RZĄD FIRMY GOSPODARSTWA DOMOWE SEKTOR FINANSOWY Rynki makroekonomiczne Obieg okrężny $ Gospodarstwa domowe $ $ $ $ $ Rynek zasobów
Bardziej szczegółowoT7. Szoki makroekonomiczne. Polityka wobec szoków
T7. Szoki makroekonomiczne. Polityka wobec szoków Szoki makroekonomiczne. to nieoczekiwane zdarzenia zakłócające przewidywalny przebieg zmian produktu, bezrobocia i stopy procentowej Szoki popytowe (oddziałujące
Bardziej szczegółowo