Ekonometryczne modele nieliniowe

Wielkość: px
Rozpocząć pokaz od strony:

Download "Ekonometryczne modele nieliniowe"

Transkrypt

1 Ekonoeryczne odele nieliniowe Wykład 4 NMNK, MNW, eody radienowe

2 Lieraura W. Greene Econoeric Analysis, rozdz. 7. sr. -4 J. Hailon 994 ie Series Analysis, sr Chun-Min Kuan 7 Inroducion o Econoeric heory, Insiue o Econoics, Acadeia Sinica, rozdział 8 do znalezienia w inernecie

3 3 Nieliniowa eoda najniejszych kwadraów Model reresji nieliniowej l ziennych, k paraerów: Przykład : Przykład : e y y z z y

4 Inerpreacje ekonoiczne Wpływ krańcowej ziany na y nie zawsze równy warości paraeru i 4

5 5 Esyaor NMNK Esyaor inializuje suę kwadraów resz: Warunek pierwszeo rzędu: dzie: y Q,...,,..., k Q y k...,...,

6 Założenia NMNK. Warunkowa średnia dla y wynosi: E y, a różniczkowalna. Idenyikowalność paraerów: nie isnieje akie, że 3. Składnik losowy: 4. i i i i i i E E i i cons E, dla i j i j i i i j 6

7 Założenia NMNK i 5.. i. oen i z próby dążą do sałych z populacji, a i ściśle ezoeniczny wobec i 6. Isnieje dobrze zdeiniowany rozkład prawdopodobieńswa dla, ~ uncorrela ed idenicall y i disribued, i 7

8 Założenia NMNK Jeśli ożna policzyć. pochodne wzlęde paraerów dla danych obserwacji i y i acierz Q jes dodanio określona, o iniu unkcji suy kwadraów resz ożna znaleźć. Możliwe wiele iniów lokalnych ej unkcji paraery niekoniecznie jednoznacznie idenyikowalne por. założenie 8

9 Założenia NMNK Powyższe założenie analoiczne do założenia nr w MNK por. wykład : Q y [ ][ ]' ponieważ dla odelu linioweo: Q X' X rz X' X k 9

10 Własności esyaorów NMNK Zodność Asypoyczna noralność D D N D e

11 Własności esyaorów NMNK Esyaor wariancji odporny na heeroskedasyczność: ożliwe eż esyaory ypu Neweya-Wesa es Walda analoiczny jak dla MNK: ~ ' D W a ' r Rb R R r Rb V D V 4

12 Analoia do quasi- MNW Esyaor. kowariancji dla MNW: dzie: D OP D H H H E D L H D y L, ln OP h h H,,, ln y h

13 Aloryy dla NMNK i MNW Grid search dobre wyniki, dy poszukiwana warość jedneo paraeru przydana jako część innych eod 3

14 Aloryy dla NMNK i MNW Meoda seepes ascen albo seepes descen najszybszeo wzrosu spadku warości sarowe wekora paraerów θ: θ usalay dłuość kroku przy szukaniu opiu unkcji: ' k szukay aksiu przy warunkach: a L p. w. ' k 4

15 5 Aloryy dla NMNK i MNW Lanrane an a posać: Przyrównujey pochodną po wekorze paraerów do zera: Niech θ oznacza radien loaryu unkcji wiaryodności po paraerach, o wedy: ' k L J L

16 Aloryy dla NMNK i MNW k s Jeżeli, o, czyli: Kolejne kroki: s s oże być wybrane przy poocy eody rid search", ak by aksyalizować warość Lθ 6

17 Aloryy dla NMNK i MNW Można wyprowadzić dłuość kroku i wzór na ieracje przyjie posać: H Probley: wiele aksiów lokalnych wypróbuj wiele warości sarowych jeśli hessian H nie jes dodanio określoną acierzą o alory oże wskazywać przybliżenia w zły kierunku 7

18 Aloryy dla NMNK i MNW Meoda Newona-Raphsona Szybsza zwykle niż eoda najszybszeo spadku jeśli spełnione są warunki: isnieją druie pochodne unkcji Lθ, unkcja Lθ jes wypukła, zn. Hθ jes acierzą dodanio określoną na całej przesrzeni paraerów H L ' 8

19 9 Aloryy dla NMNK i MNW przybliżenie loaryu unkcji wiaryodności przy poocy szereu aylora: przyrównujey pochodną po wekorze paraerów do zera: wyprowadzenie aloryu: częso sosuje się kroki o różnej dłuości: ' ' H L L H H H H H s

20 Aloryy dla NMNK i MNW Meoda Gaussa-Newona ylko dla NMNK y dzie oznacza radien unkcji po paraerach o przybliżenie acierzy H jes dodanio określone. Można zasosować MNK do wyznaczenia kroku!

21 Aloryy dla NMNK i MNW Koreky na dodanią określoność acierzy H H H ci c używana w aloryie Marquard-Levenber c> H H C eoda quasi-newona H I

22 Aloryy dla NMNK i MNW Davidon-Flecher-Powell uławienie - nie rzeba liczyć hessianu w każdy kroku jeo warość jes jedynie przybliżana A s A A A A A A I k,

23 Aloryy dla NMNK i MNW Zakończenie aloryu c c L L c lub po przekroczeniu pewnej liczby kroków 3

24 Syulowane wyżarzanie -siulaed annealin Wycięe z: Goe, Ferrier, Roers 994 4

25 Syulowane wyżarzanie 5

26 Syulowane wyżarzanie 3 Kryeriu wyboru noweo punku: 6

27 Alory Neldera-Meada Wycięe z wikipedii jes eż polska wersja językowa - inializacja: 7

28 Alory Neldera-Meada 8

29 Alory Neldera-Meada 3 Sandardowe warości paraerów: 9

Parametryczny koder mowy - wokoder. Synteza mowy w odbiorniku: d=1 - mowa dźwięczna (T 0 = okres tonu krtaniowego) d=0 - mowa bezdźwięczna

Parametryczny koder mowy - wokoder. Synteza mowy w odbiorniku: d=1 - mowa dźwięczna (T 0 = okres tonu krtaniowego) d=0 - mowa bezdźwięczna Paraeryczny koder owy - wokoder Syneza owy w odbiorniku: d=1 - owa dźwięczna T 0 = okres onu kraniowego d=0 - owa bezdźwięczna Wokoder nadajnik Eksrakcja onu kraniowego 1. Przebieg czasowy sygnału i błędu

Bardziej szczegółowo

Stopę zbieżności ciagu zmiennych losowych a n, takiego, że E (a n ) < oznaczamy jako a n = o p (1) prawdopodobieństwa szybciej niż n α.

Stopę zbieżności ciagu zmiennych losowych a n, takiego, że E (a n ) < oznaczamy jako a n = o p (1) prawdopodobieństwa szybciej niż n α. Stopy zbieżności Stopę zbieżności ciagu zmiennych losowych a n, takiego, że a n oznaczamy jako a n = o p (1 p 0 a Jeśli n p n α 0, to a n = o p (n α i mówimy a n zbiega według prawdopodobieństwa szybciej

Bardziej szczegółowo

Metoda największej wiarogodności

Metoda 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 szczegółowo

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( ) Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa

Bardziej szczegółowo

Pobieranie próby. Rozkład χ 2

Pobieranie próby. Rozkład χ 2 Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml

Bardziej szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA KONSTRUKCJI 10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej

Bardziej szczegółowo

Przemieszczeniem ciała nazywamy zmianę jego położenia

Przemieszczeniem ciała nazywamy zmianę jego położenia 1 Przemieszczeniem ciała nazywamy zmianę jego położenia + 0 k k 0 Przemieszczenie jes wekorem. W przypadku jednowymiarowym możliwy jes ylko jeden kierunek, a zwro określamy poprzez znak. Przyjmujemy, że

Bardziej szczegółowo

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

Rozdział 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 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

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych. Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać

Bardziej szczegółowo

licencjat Pytania teoretyczne:

licencjat Pytania teoretyczne: Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie

Bardziej szczegółowo

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar. EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b

Bardziej 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

oznacza przyrost argumentu (zmiennej niezależnej) x 3A82 (Definicja). Granicę (właściwą) ilorazu różnicowego funkcji f w punkcie x x x e x lim x lim

oznacza przyrost argumentu (zmiennej niezależnej) x 3A82 (Definicja). Granicę (właściwą) ilorazu różnicowego funkcji f w punkcie x x x e x lim x lim WYKŁAD 9 34 Pochodna nkcji w pnkcie Inerpreacja geomerczna pochodnej Własności pochodnch Twierdzenia Rolle a Lagrange a Cach ego Regla de lhôspiala Niech ( ) O( ) będzie nkcją określoną w pewnm ooczeni

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

Stanisław Cichocki Natalia Nehrebecka. Wykład 4 Sanisław Cichocki Naalia Nehrebecka Wykład 4 1 1. Badanie sacjonarności: o o o Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) Tes KPSS 2. Modele o rozłożonych opóźnieniach (DL) 3. Modele auoregresyjne

Bardziej szczegółowo

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego Zajęcia. Esmacja i werfikacja modelu ekonomercznego Celem zadania jes oszacowanie liniowego modelu opisującego wpłw z urski zagranicznej w danm kraju w zależności od wdaków na urskę zagraniczną i liczb

Bardziej szczegółowo

Analiza danych DRZEWA DECYZYJNE. Drzewa decyzyjne. Entropia. http://zajecia.jakubw.pl/ test 1 dopełnienie testu 1

Analiza danych DRZEWA DECYZYJNE. Drzewa decyzyjne. Entropia. http://zajecia.jakubw.pl/ test 1 dopełnienie testu 1 Analiza danych Drzewa decyzyjne. Enropia. Jakub Wróblewski jakubw@pjwsk.edu.pl hp://zajecia.jakubw.pl/ DRZEWA DECYZYJNE Meoda reprezenacji wiedzy (modelowania ablic decyzyjnych). Pozwala na przejrzysy

Bardziej szczegółowo

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona Całka nieoznaczona Andrzej Musielak Sr Całka nieoznaczona Całkowanie o operacja odwrona do liczenia pochodnych, zn.: f()d = F () F () = f() Z definicji oraz z abeli pochodnych funkcji elemenarnych od razu

Bardziej szczegółowo

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje

Bardziej szczegółowo

Uogólniona Metoda Momentów

Uogólniona Metoda Momentów Uogólniona Metoda Momentów Momenty z próby daż a do momentów teoretycznych (Prawo Wielkich Liczb) plim 1 n y i = E (y) n i=1 Klasyczna Metoda Momentów (M M) polega na szacowaniu momentów teoretycznych

Bardziej szczegółowo

WYKŁAD FIZYKAIIIB 2000 Drgania tłumione

WYKŁAD FIZYKAIIIB 2000 Drgania tłumione YKŁD FIZYKIIIB Drgania łumione (gasnące, zanikające). F siła łumienia; r F r b& b współczynnik łumienia [ Nm s] m & F m & && & k m b m F r k b& opis różnych zjawisk izycznych Niech Ce p p p p 4 ± Trzy

Bardziej szczegółowo

Ą ć ę ż ż Ż ć ć Ż ć ń ę ę Ż ń ż ęż ę ę Ę ż ż ĘŚ ę Ż Ż Ż Ż Ż Ż Ż Ż ż ż ń ę ęż ęż Ó ęź Ą ń ę Ś Ż ć ę Ą ę ż ę ż ć ę ę Ż ę ż ż ę ń ń ę Ą ż ę Ł Ą ę ż ę Ą ę ę Ę Ą ę ę ęć ż Ę ęż ż ę Ą Ę ę ę Ą ę ę Ą Ą Ż ć ć Ń

Bardziej szczegółowo

ψ przedstawia zależność

ψ przedstawia zależność Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi

Bardziej szczegółowo

Postęp techniczny. Model lidera-naśladowcy. Dr hab. Joanna Siwińska-Gorzelak

Postęp techniczny. Model lidera-naśladowcy. Dr hab. Joanna Siwińska-Gorzelak Posęp echniczny. Model lidera-naśladowcy Dr hab. Joanna Siwińska-Gorzelak Założenia Rozparujemy dwa kraje; kraj 1 jes bardziej zaawansowany echnologicznie (lider); kraj 2 jes mniej zaawansowany i nie worzy

Bardziej szczegółowo

specyfikacji i estymacji modelu regresji progowej (ang. threshold regression).

specyfikacji i estymacji modelu regresji progowej (ang. threshold regression). 4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi

Bardziej szczegółowo

Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU

Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU Modelowanie ryzyka kredyowego MODELOWANIE ZA POMOCA PROCESU HAZARDU Mariusz Niewęgłowski Wydział Maemayki i Nauk Informacyjnych, Poliechniki Warszawskiej Warszawa 2014 hazardu Warszawa 2014 1 / 18 Proces

Bardziej szczegółowo

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów

Bardziej szczegółowo

CHEMIA KWANTOWA Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej

CHEMIA KWANTOWA Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej CHEMI KWTOW CHEMI KWTOW Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoreycznej Zespół Chemii Kwanowej Grupa Teorii Reakywności Chemicznej LITERTUR R. F. alewajski, Podsawy i meody chemii kwanowej:

Bardziej szczegółowo

Ó Ż ź Ó Ą Ż Ó ń ń ć ć ĘŚ Ś ŚĆ Ę ć ć ć ć Ś Ź ń ź ŚĆ ń Ś ź ć ć Ó ć ć ź ć ć ć ń ń Ł ć ź ć ń Ś ć ć ć Ł Ę Ś Ł Ę Ł ć ń ć Ś ź Ć Ś Ś ć ź Ó ź ć ć Ś ń ź Ś ź Ó Ś Ó Ś Ś ń Ś Ś ć ć ń ć ć Ż Ś ć ń ń Ł Ł ń ć ź ć ć Ó ć

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 13

RÓWNANIA RÓŻNICZKOWE WYKŁAD 13 RÓWNANIA RÓŻNICZKOWE WYKŁAD 13 Geomeria różniczkowa Geomeria różniczkowa o dział maemayki, w kórym do badania obieków geomerycznych wykorzysuje się meody opare na rachunku różniczkowym. Obieky geomeryczne

Bardziej szczegółowo

VII. ZAGADNIENIA DYNAMIKI

VII. ZAGADNIENIA DYNAMIKI Konderla P. Meoda Elemenów Skończonych, eoria i zasosowania 47 VII. ZAGADNIENIA DYNAMIKI. Równanie ruchu dla zagadnienia dynamicznego Q, (7.) gdzie M NxN macierz mas, C NxN macierz łumienia, K NxN macierz

Bardziej szczegółowo

Własności statystyczne regresji liniowej. Wykład 4

Własności statystyczne regresji liniowej. Wykład 4 Własności statystyczne regresji liniowej Wykład 4 Plan Własności zmiennych losowych Normalna regresja liniowa Własności regresji liniowej Literatura B. Hansen (2017+) Econometrics, Rozdział 5 Własności

Bardziej szczegółowo

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora. imię, nazwisko, nr indeksu: Ekonometria egzamin 01/02/2019 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.

Bardziej szczegółowo

Niestacjonarne zmienne czasowe własności i testowanie

Niestacjonarne zmienne czasowe własności i testowanie Maeriał dla sudenów Niesacjonarne zmienne czasowe własności i esowanie (sudium przypadku) Nazwa przedmiou: ekonomeria finansowa I (22204), analiza szeregów czasowych i prognozowanie (13201); Kierunek sudiów:

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika

Bardziej szczegółowo

Wygładzanie metodą średnich ruchomych w procesach stałych

Wygładzanie metodą średnich ruchomych w procesach stałych Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja

Bardziej szczegółowo

Sformułowanie Schrödingera mechaniki kwantowej. Fizyka II, lato

Sformułowanie Schrödingera mechaniki kwantowej. Fizyka II, lato Sformułowanie Schrödingera mechaniki kwanowej Fizyka II, lao 018 1 Wprowadzenie Posać funkcji falowej dla fali de Broglie a, sin sin k 1 Jes o przypadek jednowymiarowy Posać a zosała określona meodą zgadywania.

Bardziej szczegółowo

Ruch płaski. Bryła w ruchu płaskim. (płaszczyzna kierująca) Punkty bryły o jednakowych prędkościach i przyspieszeniach. Prof.

Ruch płaski. Bryła w ruchu płaskim. (płaszczyzna kierująca) Punkty bryły o jednakowych prędkościach i przyspieszeniach. Prof. Ruch płaski Ruchem płaskim nazywamy ruch, podczas kórego wszyskie punky ciała poruszają się w płaszczyznach równoległych do pewnej nieruchomej płaszczyzny, zwanej płaszczyzną kierującą. Punky bryły o jednakowych

Bardziej szczegółowo

Wybrane metody przybliżonego. wyznaczania rozwiązań (pierwiastków) równań nieliniowych

Wybrane metody przybliżonego. wyznaczania rozwiązań (pierwiastków) równań nieliniowych Wykład trzeci 1 Wybrane metody przybliżonego wyznaczania rozwiązań pierwiastków równań nieliniowych 2 Metody rozwiązywania równań nieliniowych = 0 jest unkcją rzeczywistą zmiennej rzeczywistej Rozwiązanie

Bardziej szczegółowo

RACHUNEK CAŁKOWY FUNKCJI JEDNEJ ZMIENNEJ

RACHUNEK CAŁKOWY FUNKCJI JEDNEJ ZMIENNEJ RACHUNEK CAŁKOWY FUNKCJI JEDNEJ ZMIENNEJ Wykorzysano: M A T E M A T Y K A Wykład dla sudenów Część Krzyszo KOŁOWROCKI, ZBIÓR ZADAŃ Z RACHUNKU CAŁKOWEGO Krzyszo PISKÓRZ Deinicja CAŁKA NIEOZNACZONA Funkcję

Bardziej szczegółowo

Wykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak

Wykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak Wykład FIZYKA I. Kinemayka punku maerialnego Kaedra Opyki i Fooniki Wydział Podsawowych Problemów Techniki Poliechnika Wrocławska hp://www.if.pwr.wroc.pl/~wozniak/fizyka1.hml Miejsce konsulacji: pokój

Bardziej szczegółowo

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej 7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej Definicja 1 n-elementowa losowa próba prosta nazywamy ciag n niezależnych zmiennych losowych o jednakowych rozkładach

Bardziej szczegółowo

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia

Bardziej szczegółowo

Estymacja parametrów w modelu normalnym

Estymacja parametrów w modelu normalnym Estymacja parametrów w modelu normalnym dr Mariusz Grządziel 6 kwietnia 2009 Model normalny Przez model normalny będziemy rozumieć rodzine rozkładów normalnych N(µ, σ), µ R, σ > 0. Z Centralnego Twierdzenia

Bardziej szczegółowo

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) = Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,

Bardziej szczegółowo

Oznacza to, że chcemy znaleźć minimum, a właściwie wartość najmniejszą funkcji

Oznacza to, że chcemy znaleźć minimum, a właściwie wartość najmniejszą funkcji Wykład 11. Metoda najmniejszych kwadratów Szukamy zależności Dane są wyniki pomiarów dwóch wielkości x i y: (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ). Przypuśćmy, że nanieśliśmy je na wykres w układzie

Bardziej szczegółowo

Metody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?

Metody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy? Meody prognozowania: Szeregi czasowe Dr inż. Sebasian Skoczypiec ver. 11.20.2009 Co o jes szereg czasowy? Szereg czasowy: uporządkowany zbiór warości badanej cechy lub warości określonego zjawiska, zaobserwowanych

Bardziej szczegółowo

Podstawowe człony dynamiczne

Podstawowe człony dynamiczne Podsawowe człony dynamiczne charakerysyki czasowe. Człon proporcjonalny = 2. Człony całkujący idealny 3. Człon inercyjny = = + 4. Człony całkujący rzeczywisy () = + 5. Człon różniczkujący rzeczywisy ()

Bardziej szczegółowo

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka 1. Testy diagnostyczne 2. Testowanie prawidłowości formy funkcyjnej modelu 3. Testowanie normalności składników losowych 4. Testowanie stabilności parametrów 5. Testowanie

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Metody optymalizacji Metody poszukiwania ekstremum funkcji jednej zmiennej Materiały pomocnicze do ćwiczeń

Bardziej szczegółowo

Europejska opcja kupna akcji calloption

Europejska opcja kupna akcji calloption Europejska opcja kupna akcji callopion Nabywca holder: prawo kupna long posiion jednej akcji w okresie epiraiondae po cenie wykonania eercise price K w zamian za opłaę C Wysawca underwrier: obowiązek liabiliy

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

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mikroekonometria 5 Mikołaj Czajkowski Wiktor Budziński Zadanie 1. Wykorzystując dane me.medexp3.dta przygotuj model regresji kwantylowej 1. Przygotuj model regresji kwantylowej w którym logarytm wydatków

Bardziej szczegółowo

Matematyka A, kolokwium, 15 maja 2013 rozwia. ciem rozwia

Matematyka A, kolokwium, 15 maja 2013 rozwia. ciem rozwia Maemayka A kolokwium maja rozwia zania Należy przeczyać CA LE zadanie PRZED rozpocze ciem rozwia zywania go!. Niech M. p. Dowieść że dla każdej pary liczb ca lkowiych a b isnieje aka para liczb wymiernych

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8 Stanisław Cichocki Natalia Nehrebecka Zajęcia 8 1. Testy diagnostyczne 2. Testowanie prawidłowości formy funkcyjnej modelu 3. Testowanie normalności składników losowych 4. Testowanie stabilności parametrów

Bardziej szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne losowe ciągłe i ich rozkłady Rachunek Prawdopodobieństwa i Statystyka - W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Zmienna losowa ciągła Dystrybuanta i unkcja gęstości rozkładu

Bardziej szczegółowo

Natalia Neherbecka. 11 czerwca 2010

Natalia Neherbecka. 11 czerwca 2010 Natalia Neherbecka 11 czerwca 2010 1 1. Konsekwencje heteroskedastyczności i autokorelacji 2. Uogólniona MNK 3. Stosowalna Uogólniona MNK 4. Odporne macierze wariancji i kowariancji b 2 1. Konsekwencje

Bardziej szczegółowo

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 4 1 / 23 ZAGADNIENIE ESTYMACJI Zagadnienie

Bardziej szczegółowo

1.1 Klasyczny Model Regresji Liniowej

1.1 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 szczegółowo

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu 1 Metody rozwiązywania równań nieliniowych. Postawienie problemu Dla danej funkcji ciągłej f znaleźć wartości x, dla których f(x) = 0. (1) 2 Przedział izolacji pierwiastka Będziemy zakładać, że równanie

Bardziej szczegółowo

WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ

WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ Wstęp. Za wyjątie nielicznych funcji, najczęściej w postaci wieloianów, dla tórych ożna znaleźć iniu na drodze analitycznej, pozostała więszość

Bardziej szczegółowo

Praca domowa nr 1. Metodologia Fizyki. Grupa 1. Szacowanie wartości wielkości fizycznych Zad Stoisz na brzegu oceanu, pogoda jest idealna,

Praca domowa nr 1. Metodologia Fizyki. Grupa 1. Szacowanie wartości wielkości fizycznych Zad Stoisz na brzegu oceanu, pogoda jest idealna, Praca domowa nr. Meodologia Fizyki. Grupa. Szacowanie warości wielkości fizycznych Zad... Soisz na brzegu oceanu, pogoda jes idealna, powierze przeźroczyse; proszę oszacować jak daleko od Ciebie znajduje

Bardziej szczegółowo

Dyskretny proces Markowa

Dyskretny proces Markowa Procesy sochasyczne WYKŁAD 4 Dyskreny roces Markowa Rozarujemy roces sochasyczny X, w kórym aramer jes ciągły zwykle. Będziemy zakładać, że zbiór sanów jes co najwyżej rzeliczalny. Proces X, jes rocesem

Bardziej szczegółowo

Optymalizacja ciągła

Optymalizacja ciągła Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka 1 1. Wstęp a) Binarne zmienne zależne b) Interpretacja ekonomiczna c) Interpretacja współczynników 2. Liniowy model prawdopodobieństwa a) Interpretacja współczynników

Bardziej szczegółowo

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora.

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora. D:\maerialy\Maemayka a GISIP I rok DOC\7 Pochode\8ADOC -wrz-5, 7: 89 Obliczaie graic fukcji w pukcie przy pomocy wzoru Taylora Wróćmy do wierdzeia Taylora (wzory (-( Tw Szczególie waża dla dalszych R rozważań

Bardziej szczegółowo

Iteracyjne rozwiązywanie równań

Iteracyjne rozwiązywanie równań Elementy metod numerycznych Plan wykładu 1 Wprowadzenie Plan wykładu 1 Wprowadzenie 2 Plan wykładu 1 Wprowadzenie 2 3 Wprowadzenie Metoda bisekcji Metoda siecznych Metoda stycznych Plan wykładu 1 Wprowadzenie

Bardziej szczegółowo

Niezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu

Niezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu Niezawodność elemenu nienarawialnego. Model niezawodnościowy elemenu nienarawialnego. Niekóre rozkłady zmiennych losowych sosowane w oisie niezawodności elemenów 3. Funkcyjne i liczbowe charakerysyki niezawodności

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13 Stanisław Cichocki Natalia Nehrebecka Wykład 13 1 1. Autokorelacja Konsekwencje Testowanie autokorelacji 2. Metody radzenia sobie z heteroskedastycznością i autokorelacją Uogólniona Metoda Najmniejszych

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 7

Stanisław Cichocki Natalia Nehrebecka. Wykład 7 Stanisław Cichocki Natalia Nehrebecka Wykład 7 1 1. Metoda Największej Wiarygodności MNW 2. Założenia MNW 3. Własności estymatorów MNW 4. Testowanie hipotez w MNW 2 1. Metoda Największej Wiarygodności

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie 1. W pewnej populacji podmiotów każdy podmiot narażony jest na ryzyko straty X o rozkładzie normalnym z wartością oczekiwaną równą μ i wariancją równą. Wszystkie podmioty z tej populacji kierują

Bardziej szczegółowo

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Eonomeryczne modele nieliniowe Wyład Doromił Serwa Zajęcia Wyład Laoraorium ompuerowe Prezenacje Zaliczenie EGZAMI 50% a egzaminie oowiązują wszysie informacje przeazane w czasie wyładów np. slajdy. Aywność

Bardziej szczegółowo

ODPOWIEDZI I SCHEMAT PUNKTOWANIA POZIOM ROZSZERZONY

ODPOWIEDZI I SCHEMAT PUNKTOWANIA POZIOM ROZSZERZONY 1 ODPOWIEDZI I SCHEMAT PUNKTOWANIA POZIOM OZSZEZONY 1. ozwiązania poszczególnych zadań i poleceń oceniane są na podsawie punkowych kryeriów oceny.. Podczas oceniania rozwiązań zdających, prosiy o zwrócenie

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 14

Stanisław Cichocki. Natalia Nehrebecka. Wykład 14 Stanisław Cichocki Natalia Nehrebecka Wykład 14 1 1.Problemy z danymi Współliniowość 2. Heteroskedastyczność i autokorelacja Konsekwencje heteroskedastyczności i autokorelacji Metody radzenia sobie z heteroskedastycznością

Bardziej szczegółowo

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 13 i 14 - Statystyka bayesowska

WYKŁADY 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 szczegółowo

Wykład 4 Metoda Klasyczna część III

Wykład 4 Metoda Klasyczna część III Teoria Obwodów Wykład 4 Meoda Klasyczna część III Prowadzący: dr inż. Tomasz Sikorski Insyu Podsaw Elekroechniki i Elekroechnologii Wydział Elekryczny Poliechnika Wrocławska D-, 5/8 el: (7) 3 6 fax: (7)

Bardziej szczegółowo

Chemia Analityczna. Autor: prof. dr hab. inż Marek Biziuk

Chemia Analityczna. Autor: prof. dr hab. inż Marek Biziuk Cheia Analiyczna Auor: pro. dr hab. inż Marek Biziuk Kaedra Cheii Analiycznej Wydział Cheiczny Poliechnika Gdańska 21 ANALIZA MIARECZKOWA (dział analizy objęościowej - woluerii) Meody iareczkowe służą

Bardziej szczegółowo

4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego

4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego 4.. Obliczanie przewodów grzejnych meodą dopuszczalnego obciążenia powierzchniowego Meodą częściej sosowaną w prakyce projekowej niż poprzednia, jes meoda dopuszczalnego obciążenia powierzchniowego. W

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie

Bardziej szczegółowo

Metody numeryczne. materiały do ćwiczeń dla studentów. 1. Teoria błędów, notacja O

Metody numeryczne. materiały do ćwiczeń dla studentów. 1. Teoria błędów, notacja O Metody nueryczne ateriały do ćwiczeń dla studentów 1. Teoria błędów, notacja O 1.1. Błąd bezwzględny, błąd względny 1.2. Ogólna postać błędu 1.3. Proble odwrotny teorii błędów - zasada równego wpływu -

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11; środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu Wiold Orzeszo Uniwersye Miołaja Kopernia w Toruniu Wpływ doboru eod reonsrucji przesrzeni fazowej na efeywność prognozowania chaoycznych szeregów czasowych 1. Reonsrucja przesrzeni fazowej Kluczową rolę

Bardziej szczegółowo

PODSTAWY CHEMII KWANTOWEJ. Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej

PODSTAWY CHEMII KWANTOWEJ. Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej PODSTWY CHEMII KWTOWEJ Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoreycznej Zespół Chemii Kwanowej Grupa Teorii Reakywności Chemicznej LITERTUR R. F. alewajski, Podsawy i meody chemii kwanowej:

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław Cichocki Natalia Nehrebecka. Wykład 3 Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Regresja pozorna 2. Funkcje ACF i PACF 3. Badanie sacjonarności Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) 2 1. Regresja pozorna 2. Funkcje

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

Dobór przekroju żyły powrotnej w kablach elektroenergetycznych

Dobór przekroju żyły powrotnej w kablach elektroenergetycznych Dobór przekroju żyły powronej w kablach elekroenergeycznych Franciszek pyra, ZPBE Energopomiar Elekryka, Gliwice Marian Urbańczyk, Insyu Fizyki Poliechnika Śląska, Gliwice. Wsęp Zagadnienie poprawnego

Bardziej szczegółowo

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się: Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili

Bardziej szczegółowo

Klasyfikacja modeli. Metoda najmniejszych kwadratów

Klasyfikacja modeli. Metoda najmniejszych kwadratów Konspek ekonomeria: Weryfikacja modelu ekonomerycznego Klasyfikacja modeli Modele dzielimy na: - jedno- i wielorównaniowe - liniowe i nieliniowe - sayczne i dynamiczne - sochasyczne i deerminisyczne -

Bardziej szczegółowo

Eksploracja danych. KLASYFIKACJA I REGRESJA cz. 1. Wojciech Waloszek. Teresa Zawadzka.

Eksploracja danych. KLASYFIKACJA I REGRESJA cz. 1. Wojciech Waloszek. Teresa Zawadzka. Eksploracja danych KLASYFIKACJA I REGRESJA cz. 1 Wojciech Waloszek wowal@ei.pg.gda.pl Teresa Zawadzka egra@ei.pg.gda.pl Kaedra Inżyrii Oprogramowania Wydział Elekroniki, Telekomunikacji i Informayki Poliechnika

Bardziej szczegółowo

5. Metody Newtona. 5.1 Wzór Taylora

5. Metody Newtona. 5.1 Wzór Taylora 5. Metody Newtona Na ostatnich zajęciach zidentyfikowaliśmy ważny problem poznanych dotychczas metod (Gaussa-Seidel a, Cauchy iego, spadku wzdłuż gradientu, stochastycznego spadku wzdłuż gradientu): ich

Bardziej szczegółowo

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Marcin Gajewski Uniwersye Łódzki 4.12.2008 Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Niezabazpieczony UIP)

Bardziej szczegółowo

Część I. MECHANIKA. Wykład KINEMATYKA PUNKTU MATERIALNEGO. Ruch jednowymiarowy Ruch na płaszczyźnie i w przestrzeni.

Część I. MECHANIKA. Wykład KINEMATYKA PUNKTU MATERIALNEGO. Ruch jednowymiarowy Ruch na płaszczyźnie i w przestrzeni. Część I. MECHANIKA Wykład.. KINEMATYKA PUNKTU MATERIALNEGO Ruch jednowymiarowy Ruch na płaszczyźnie i w przesrzeni 1 KINEMATYKA PUNKTU MATERIALNEGO KINEMATYKA zajmuje się opisem ruchu ciał bez rozparywania

Bardziej szczegółowo

REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO. Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój

REGRESJA 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 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

Metoda największej wiarygodności

Metoda największej wiarygodności Rozdział Metoda największej wiarygodności Ogólnie w procesie estymacji na podstawie prób x i (każde x i może być wektorem) wyznaczamy parametr λ (w ogólnym przypadku również wektor) opisujący domniemany

Bardziej szczegółowo

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu

Bardziej szczegółowo