Ekonometryczne modele nieliniowe
|
|
|
- Magdalena Głowacka
- 5 lat temu
- Przeglądów:
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
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
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
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
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
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
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
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
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
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,
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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:
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
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
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
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
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.
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:
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
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
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.
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
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
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
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
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
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
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
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,,
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
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
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 ()
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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)
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
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
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
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 -
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
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
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:
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
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
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
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
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 -
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
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
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)
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
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
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
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
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