Szymon Chojnacki MODELOWANIE KONIUNKTURY GOSPODARCZEJ Z WYKORZYSTANIEM DANYCH TEKSTOWYCH
|
|
- Julia Iwona Szczepaniak
- 8 lat temu
- Przeglądów:
Transkrypt
1 MODELOWANIE KONIUNKTURY GOSPODARCZEJ Z WYKORZYSTANIEM DANYCH TEKSTOWYCH Szymon Chojnack Zakład Wspomagana Analzy Decyzj, Szkoła Główna Handlowa, Warszawa 1 WPROWADZENIE Gospodarka krajów rozwnętych podlega fluktuacjom. Po okrese szybkego rozwoju następuje okres spowolnena stagnacj. Podczas fazy dobrej konunktury spada bezroboce rosną dochody [1]. Z kole słaby stan konunktury zwązany jest ze spadkem popytu obnżenem ndeksów gełdowych. Umejętność oceny aktualnego stanu gospodark jest ważna dla prezesa banku centralnego mnstra fnansów, którzy poprzez dostępne narzędza starają sę nwelować odchylena gospodark od długookresowego trendu wzrostowego. Równeż przedsęborstwa gospodarstwa domowe zanteresowane są stanem konunktury. Dostosowują one swoje nwestycje zakupy do oczekwanych przychodów w przyszłośc. Wśród narzędz służących do prognozowana konunktury szczególną popularnoścą ceszą sę barometry konunktury modele ekonometryczne [2]. Perwsze pozwalają budować wskaźnk dagnozujące aktualną konunkturę, druge dopasowują welkośc agregatów gospodarczych do równań opsujących prawa ekonomczne pokazują kerunek rozwoju gospodark. W pracy zostały użyte dane tekstowe do modelowana konunktury. Podobne próby podejmowano wcześnej w celu wyznaczena zależnośc pomędzy komunkatam prasowym a kształtowanem sę ndeksów gełdowych. Cho [3] zbadał, jak wpływ na kurs akcj na gełdze w Hong Kongu ma pojawene sę w komunkatach gełdowych jednego z około 300 predefnowanych zwrotów ekonomcznych. Lavrenko [6] skonstruował program, który przewduje zmanę trendu 130 walorów na gełdze w Nowym Jorku, wykorzystując komunkaty prasowe na tej podstawe podejmuje opłacalne decyzje nwestycyjne. Kroha [6] sprawdzł, jake słowa są charakterystyczne dla okresów wzrostu spadku nemeckego ndeksu DAX 30. Istneje szereg analog pomędzy modelowanem ndeksów gełdowych modelowanem konunktury. Różnca pomędzy obydwoma podejścam jest technczna polega na konecznośc zawężena tekstów służących do analzy gełdy do tych, które dotyczą spółek budujących dany ndeks. Do oceny stanu konunktury wykorzystano welkość dynamk PKB. W latach od 1997 do 2004 melśmy dwe fazy spowolnena dwe fazy ożywena gospodarczego, wdoczne na rys. 1. Rys. 1. Dynamka PKB względem analogcznego kwartału poprzednego roku. Jako źródło tekstów wykorzystano stronę nternetową dzennka Rzeczpospolta. Do przetworzena tekstów użyto makra w aplkacjach Excel Access. Analzy loścowe budowa model prognostycznych została przeprowadzona w programe STATISTICA. Zastosowana metod statystycznych w badanach naukowych III StatSoft Polska
2 2 CEL PRACY Podstawowym celem pracy jest weryfkacja hpotezy o stnenu zwązku pomędzy słowam występującym w tytułach artykułów ekonomcznych a stanem konunktury. W celu sprawdzena, czy tak zwązek ma mejsce, wyznaczono słowa, których częstość wystąpeń w okresach z dobrą konunkturą stotne różn sę od częstośc wystąpeń w okresach złej konunktury. Drugm celem pracy jest próba zbudowana model prognozujących konunkturę, które można nterpretować konfrontować z ntucją. Zbudowane modele to drzewo klasyfkacyjne oraz funkcja dyskrymnacyjna. Trzecm celem pracy jest sprawdzene, czy można na częśc dostępnych danych zbudować model klasyfkacyjny, który z wysoką dokładnoścą będze potrafł przewdzeć konunkturę w nowych mesącach. Zbudowany model prognostyczny jest secą neuronową. wstym. Problem ten jest szczegółowo opsany przez K. Nørvåg R. Øyr [7] zwązany jest z poszukwanem w kodze html strony charakterystycznych wzorców (na przykład URL- Tytuł-URL, <A HREF=Tytuł> </A>, <B> Tytuł </B>). W naszym przypadku tytuły zaczynały sę zawsze w tym samym mejscu na strone. 3 PRZETWORZENIE TEKSTÓW Celem ponższego rozdzału jest opsane procedury pozyskana tytułów wadomośc ekonomcznych z Internetu oraz ch przetworzena do postac umożlwającej loścową analzę. Do modelowana konunktury wykorzystano tytuły wadomośc gospodarczych umeszczonych na stronach nternetowych dzennka Rzeczpospolta w latach Najperw ścągnęto tytułów, które obejmowały 126 kategor tematycznych. Następne wydzelono tytułów zawartych w dzale Ekonoma 18. W kolejnym kroku usunęto tytuły, które wystąpły w baze ponad dzesęć razy, co mogło być zwązane z ch stałym mejscem na łamach dzennka (tj. notowana gełdowe). W rezultace uzyskano tytułów, które zagregowano względem 95 mesęcy od lutego 1997 do grudna Przykładowa strona nternetowa pokazana jest na rys. 2. Znalezene tytułów na strone archwalnej było zadanem prostym w porównanu z wyszukwanem tytułów w czase rzeczy- 18 Najbardzej popularnym kategoram artykułów były: doda-tek/notowana ( wystąpeń), gazeta/ekonoma (27 551), gazeta/prawo (25 483), gazeta/kraj (17 091), gazeta/śwat (15 055), gazeta/sport (14 426), gazeta/publcystyka (14 000), gazeta/kultura (12 673). Rys. 2. Kopa strony nternetowej ze spsem artykułów z 5 lutego 1997 r. pobrana z wtryny sps.pl?t= w dnu Tytuły wadomośc ekonomcznych zdentyfkowane na strone archwum zostały oczyszczone z cyfr, znaków nterpunkcyjnych nnych znaków (na przykład procent, tylda, cudzysłów, nawas okrągły, nawas kwadratowy, ampersand, hash, plus). Następne zastąpono odmenone formy wyrazów przez formy rdzenne (na przykład słowo wzrosło zamenono na wzrastać ). Tabela 1 pokazuje co stało sę w wynku tej operacj z tytułam z rys. 2. Do znalezena form podstawowych wyrazów wykorzystano dwa słownk bezpłatne dostępne w nternece: słownk ortografczny języka polskego PWN, słownk odman wyrazów TIP Zastosowana metod statystycznych w badanach naukowych III StatSoft Polska 2008
3 Czasam dana forma odmany zwązana była z różnym słowam perwotnym (na przykład słowo mam może być dopełnaczem rzeczownka mama, bądź formą czynną perwszej osoby czasu teraźnejszego czasownka meć ). W takch sytuacjach zawsze następowała zmana na jedno to samo słowo perwotne, jednakże słowo to było wyberane w sposób losowy. Tabela 1. Tytuły z dzału Ekonoma z dna 5 lutego 1997, po przetworzenu. Data Tytuł sesja gełda Jak Kołodko PZU oddawać Lberalzm bez wzajemność Notowane Notowane gełda Bezroboce spadać Prawo co dzeń sps treść W dalszym etape przetwarzana danych tekstowych do postac umożlwającej zastosowane algorytmów loścowych rozdzelono tytuły na neuporządkowane zbory słów w każdym mesącu. W tym momence pojawły sę lczne wątplwośc, czy tak znaczące przetworzene danych tekstowych pozwol nam zachować treść zwązaną z tytułam. Wydaje sę, że poprzez sprowadzene słów do formy rdzennej (ang. stemmng) oraz rozbce słów na neuporządkowany zbór słów (ang. bag of words) trac sę bezpośredne znaczene zdań. Jednocześne lczne eksperymenty psycholngwstyczne [5] dowodzą, że udaje sę zachować głęboke odczuca zwązane z czytanem tych słów bez względu na kontekst ch formę w zdanu [4]. A zatem, jeżel stan konunktury jest opsywany w tytułach poprzez słowa o nnym wydźwęku emocjonalnym w okresach ożywena stagnacj, to eksperymenty statystyczne z następnego rozdzału mają szansę wykryć tak zwązek. 4 ANALIZY STATYSTYCZNE Tabela z danym do analzy składała sę z 95 werszy odpowadających mesącom od lutego 1997 do grudna 2004 oraz kolumn odpowadających formom podstawowym słów. Na przecęcu słów mesęcy znajdują sę unormowane częstośc występowana słowa w danym mesącu. Do każdego mesąca została dodana etyketa określająca, czy konunktura w mesącu była dobra czy zła. Dane w takej postac były już gotowe do analz statystycznych. Poneważ jednak lczba cech była zbyt duża pozostawono tylko te słowa, które występowały w badanym okrese co najmnej 95 razy, co pozwolło zredukować lczbę cech do 156. Jednakże nadal lczba ta była wększa od lczby obektów. Z tego powodu przeprowadzono analzę czynnkową do redukcj lczby cech. Pommo zastosowana pęcu różnych metod wyznaczana czynnków, ne udało sę przekroczyć 22% wyjaśnonej warancj przez perwsze dzesęć czynnków w żadnej metodze. Z tego powodu koneczne było zastosowane metody redukcj lczby cech, która korzysta z wedzy o klase, do jakej należał każdy obekt. Jedną z takch metod jest analza warancj. 4.1 Analza warancj Aby ogranczyć lczbę cech (słów) opsujących analzowane mesące, sprawdzono, które słowa stotne różncują mesące z dobrą złą konunkturą. Do porównana zróżncowana użyto średnej unormowanej częstośc wystąpena słowa w mesącach z dobrą złą konunkturą. Do weryfkacj hpotezy zerowej o równośc średnch w obu grupach oblczono dla każdego słowa wartość statystyk F jako ważony loraz zmennośc mędzy- wewnątrzgrupowej: F = k = 1 k n ( x = 1 j = 1 2 x ) n ( x j x ) 2 n k k, 1 gdze: n lczba obserwacj (95), k lczba grup (2), x j unormowana częstość wystąpeń danego słowa w j-tym mesącu -tej grupy, x średna unormowana częstość wystąpeń danego słowa we wszystkch mesącach, x średna unormowana częstość wystąpeń danego słowa w -tej grupe. Jeżel wartość statystyk F jest wększa od wartośc progowej, wówczas odrzuca sę hpotezę zerową o braku różnc średnch pomędzy grupam mesęcy z dobrą złą konunkturą. Wartość progowa jest poberana z rozkładu F-Snedecora o (k-1) (n-k) stopnach swobody. Zastosowana metod statystycznych w badanach naukowych III StatSoft Polska
4 Rys. 3. Słowa z najwększą wartoścą statystyk F. Na podstawe modułu ANOVA procedury jednoczynnkowej. Na rys. 3 znajdują sę wynk analzy warancj dla słów z najwyższą wartoścą statystyk F. Dla analzowanych danych w przypadku 22 słów wartość statystyk F przekroczyła wartość progową (por. rys. 3). Wartość p nformująca o ryzyku odrzucena hpotezy zerowej w przypadku, gdy jest ona prawdzwa, znalazła sę dla tych słów ponżej pozomu 5%. W rezultace różnce w występowanu tych słów w mesącach z dobrą złą konunkturą są stotne. Oznacza to, że stneją stotne zwązk pomędzy wystąpenam słów (ożywene, polsk, cena, nadal, klent, rosnąć, byce, prywatyzacja, euro, wolno, kaptał, czy, ale, droga, poprawa, nflacja, podwyżka, rząd, na, europejsk, rynek, reforma) w tytułach a stanem konunktury. Wynk analzy warancj mogą być mylące w przypadku naruszena założeń o normalnośc rozkładów zmennych w grupach oraz w sytuacj, gdy warancja jest różna pomędzy grupam. W module ANOVA sprawdzono, że dla 22 wybranych słów założene o normalnośc rozkładu jest w wększośc przypadków naruszone. Jednocześne dla 15 słów wartość testu Barletta ne przekroczyła wartośc krytycznej. Oznacza to, że dla tych słów ne ma podstaw do odrzucena hpotezy zerowej o równośc warancj pomędzy grupam. Borąc pod uwagę fakt, że test F jest mocno odporny na naruszene założeń o normalnośc równośc warancj, uznano, że dalsza analza danych zostane ogranczona do wytypowanych 22 słów. 4.2 Interpretacja model klasyfkacyjnych W ponższym podrozdzale zbudowano drzewo klasyfkacyjne funkcję dyskrymnacyjną do poznana bezpośrednch zwązków pomędzy słowam występującym w mesącach a stanem konunktury. W celu wykryca zwązków w całej dostępnej populacj uczene model przeprowadzono na pełnym zborze obektów. W rezultace utworzone modele można wykorzystać do lepszego zrozumena analzowanych danych. Jednocześne trzeba meć na uwadze, że dokładność klasyfkacyjna tych model na neobserwowalnych danych jest z reguły nższa nż na danych uczących. Lnowa analza dyskrymnacyjna, przeprowadzana dla zmennej objaśnanej przyjmującej dwe wartośc, polega na wyznaczenu takch Zastosowana metod statystycznych w badanach naukowych III StatSoft Polska 2008
5 współczynnków funkcj klasyfkacyjnych, które zapewnają wysoką jakość klasyfkacj. Y j = α K α 1 X 1 + α 2 X 2 + α 22 X 22 W powyższym wzorze Y j oznacza zmenną grupująca zwązaną z klasą j (konunkturą), natomast X odpowada zmennym objaśnającym (słowom). Algorytm poszukuje takch wartośc współczynnków, które maksymalzują loraz zmennośc mędzygrupowej wartośc funkcj klasyfkacyjnej przez zmenność wewnątrzgrupową wartośc funkcj klasyfkacyjnej. A zatem kryterum wyboru parametrów funkcj klasyfkacyjnej bazuje na analze warancj opsanej wcześnej. Tabela 2. Współczynnk przy zmennych w funkcj klasyfkacyjnej, na podstawe modułu analza klasyfkacyjna. Zmenna Stan konunktury zły dobry prywatyzacja 0, ,65432 polsk 0, ,54771 ale 0, ,52850 nadal 0, ,47938 rynek 0, ,29346 cena 0, ,28736 reforma 0, ,23705 podwyżka 0, ,16573 nflacja 0, ,06228 czy 0, ,05560 wolno -0, ,08416 europejsk -0, ,08722 klent -0, ,09242 na -0, ,17771 euro -0, ,37913 droga -0, ,47021 poprawa -0, ,48021 rząd -0, ,56387 kaptał -0, ,61585 rosnąć -0, ,70508 byce -0, ,78987 ożywene -0, ,91701 Stała -0, ,34758 Tabela 2 zawera współczynnk stojące przy zmennych w funkcjach klasyfkacyjnych. Przyjmuje sę, że obekt należy do tej klasy, dla której funkcja klasyfkacyjna przyjęła wększą wartość. Dokładność klasyfkacyjna tak skonstruowanego modelu wynos 90%. Sła dyskrymnacj zmennych dagnostycznych merzona współczynnkem korelacj kanoncznej wynosła 0,79, a zatem była znaczna. Natomast stopeń zakłóceń modelu nnym czynnkam merzony przy, pomocy wskaźnka λ Wlksa wynósł jedyne 0,36. Statystyka ch-kwadrat badająca hpotezę zerową: H 0 : λ = 1 wynosła 81,95, a zwązany z ną pozom stotnośc p wynósł 0,0. Co oznacza, że ryzyko popełnena błędu przy odrzucenu hpotezy zerowej na rzecz hpotezy alternatywnej: H 1 : λ < 1 jest znkome. Poneważ dane wykorzystane do budowy modelu zostały wcześnej wystandaryzowane, zatem współczynnk stojące przy zmennych są porównywalne. Wdzmy, że z dobrą konunkturą zwązane są słowa ożywene, rosnąć, poprawa. Natomast słowa charakterystyczne dla złej konunktury to ale, nadal, czy. Jednocześne zwązek słów cena, podwyżka nflacja ze złą konunkturą jest sprzeczny z ntucją ekonomczną, poneważ w okresach złej konunktury ceny spadają psze sę o nch rzadzej nż w okresach dobrej konunktury. Drzewa klasyfkacyjne buduje sę w celu wyznaczena kryterów podzału obektów na jednorodne grupy. Kryterum podzału obektów może być cęce welowymarowe lub cęce jednowymarowe. Jeżel jeden warunek podzału ne wystarczy do wyznaczena jednorodnych grup obektów, to dla wyznaczonych grup powtarza sę rekurencyjne poszukwane najlepszego kryterum podzału. Czynność tę powtarza sę do czasu wyznaczena zadowalających podgrup obektów. Do oceny jakośc warunku znajdującego sę w tzw. węzłach drzewa klasyfkacyjnego korzysta sę z heurystycznych mar zróżncowana rozkładu (np. współczynnk Gnego, statystyka ch-kwadrat, entropa, rozróżnalność). W rezultace szybko można otrzymać krytera podzału obektów na jednorodne grupy. Rys. 4 przedstawa drzewo zbudowane w module Drzewa nterakcyjne paketu STATISTICA z wykorzystanem domyślnych ustaweń dla metody CHAID. Drzewo to poprawne klasyfkuje 81% obektów. Informuje ono nas, że jeżel w danym mesącu słowo ożywene występuje rzadzej nż pewen pozom, to mamy złą konunkturę. Jeżel słowo to występuje wystarczająco często, wówczas aby określć, czy mamy dobrą konunkturę, potrzebna nam jest dodatkowo nformacja o wystąpenach słowa rosnąć. Jeżel oba słowa występują wystarczająco często, wówczas z dużą pewnoścą możemy przyjąć, że w mesącu była dobra konunktura. Zastosowana metod statystycznych w badanach naukowych III StatSoft Polska
6 Rys. 4. Drzewo klasyfkacyjne utworzone przez algorytm CHAID, na podstawe modułu Drzewa nterakcyjne. Sprawdzono, że trzy drzewa zbudowane przy pomocy algorytmu C&RT mają w korzenu równeż słowo ożywene. Jednakże kolejny warunek był oparty na słowach klent lub prywatyzacja. Jakość klasyfkacyjna tych drzew przy głębokośc takej jak na rys. 4 była średno nższa o 5% od jakośc algorytmu CHAID. Równeż algorytm exhaustve-chaid w korzenu umeścł słowo ożywene, lecz wybrane kryterum podzału składało sę z dwóch cęć. 4.3 Klasyfkacja nowych mesęcy Oba modele z poprzednego podrozdzału dają sę w łatwy sposób nterpretować. Cechuje je równeż zadowalająca skuteczność klasyfkacyjna na danych trenngowych. Jeżel jednak chcelbyśmy poznać potencjał naszych danych w prognozowanu konunktury w nowych mesącach, należy podzelć zbór dostępnych mesęcy na nezależne częśc: uczącą testującą oraz zastosować bardzej złożone modele, tj. sec neuronowe. Sztuczne sec neuronowe są klasą algorytmów prognostycznych, klasyfkacyjnych grupujących, których dzałane nsprowane jest dzałanem mózgu. Szacuje sę, że w mózgu człoweka znajduje sę około 10 mlardów neuronów. Do przecętnego neuronu dochodz klka tysęcy połączeń od nnych neuronów (dendrytów) wychodz z nego jedno włókno (akson) rozgałęzające sę do welu neuronów. Elektrochemczne sygnały wchodzące do neuronu są przetwarzane przesyłane dalej lub ulegają wygaśnęcu. Neurony są połączone ze sobą w seć o skomplkowanej topolog, jednakże można określć wejśca do sec (nerwy sensoryczne) oraz wyjśca z sec (nerwy motoryczne). Rzeczywsta seć neuronowa jest w dużym stopnu odporna na uszkodzena ma zdolność do szybkej nauk. Sztuczne sec neuronowe zostaną wykorzystane do sprawdzena, jak przy ch pomocy można prognozować konunkturę. W celu zapewnena reprezentatywnośc uzyskanych wynków podzelono zbór wszystkch obserwacj na trzy częśc. Perwsza część składała sę z obektów uczących seć. Druga grupa została wykorzystana do waldacj uczącej sę sec, czyl do określena, kedy seć pownna przestać sę uczyć, bo następuje jej przeuczene. Trzec zbór obektów ma na celu sprawdzene, jak dokładne nauczona seć prognozuje konunkturę obektów neborących udzału w uczenu waldacj. Najbardzej popularnym, a zarazem wykorzystanym w pracy modelem sztucznej sec neuronowej jest perceptron welowarstwowy (ang. MultLayer perceptron) uczący sę poprzez wsteczną propagację błędu. Seć MLP składa sę z jednej warstwy neuronów wejścowych, co najmnej jednej warstwy neuronów ukrytych oraz neuronu wyjścowego. A zatem kształt sec MLP stanow znaczne uproszczene rzeczywstej sec neuronowej. Neurony w kolejnych warstwach są połączone na zasadze każdy z każdym. Natomast sygnały wchodzące do neuronów są mnożone przez wag dendrytów sumowane. Na wyjścu następuje transformacja loczynu skalarnego z wejśca przy pomocy funkcj przejśca (aktywacj). W badanu stosowano logstyczną funkcję przejśca: 1 f ( x ) =. x 1 e Kształt funkcj f(x) przypomna lterę S, a sama funkcja przekształca wartość wejścową w lczbę z przedzału (0;1). Do najważnejszych cech dobrej funkcj przejśca należy łatwość w oblczanu jej pochodnej, co ma duże znaczene w procese uczena sec. Uczene przebega w epokach. Podczas jednej epok wprowadzane są do neuronów wejścowych wartośc cech dla każdego obektu porównywana jest wartość neuronu wyjścowego z klasą obektu uczącego seć. Po każdej epoce następuje zamana wag przy wejścach do neuronów na wag najlepej lokalne poprawające jakość klasyfkacyjną Zastosowana metod statystycznych w badanach naukowych III StatSoft Polska 2008
7 całej sec. Najczęścej stosowanym kryterum do zakończena uczena sec jest spadek jakośc klasyfkacyjnej na zborze waldacyjnym. sec o najwyższej jakośc klasyfkacj na zborze waldacyjnym, por. rys. 5. Sec te zostały automatyczne wybrane przez program spośród sec RBF MLP. Wszystke analzowane sec składały sę z jednej warstwy ukrytej, sec RBF mały w nej ne węcej nż 24 neurony, a sec MLP ne węcej nż 15 neuronów. Najwyższą dokładność na zborze testującym uzyskała seć RBF z czterema neuronam w warstwe ukrytej. Najnższą dokładność mała seć RBF z dwoma ukrytym neuronam. Sec MLP charakteryzują sę wyższą stablnoścą wynków nż sec RBF. Dokładność sec MLP była zblżona do 4/5. Wysoka jakość klasyfkacyjna zbudowanych sec na zborach testujących pokazuje, że przy ch pomocy można z wysoką dokładnoścą prognozować stan konunktury. 5 UWAGI KOŃCOWE Rys. 5. Jakość sztucznych sec neuronowych na zborach uczącym, waldacyjnym testowym, na podstawe modułu Automatyczny projektant. Drugm modelem sec neuronowej wykorzystanym w nnejszej pracy jest seć o radalnych funkcjach bazowych (ang. Radal Bass Functon). Podstawowa różnca pomędzy secą MLP RBF polega na nnym sposobe dzałana neuronów. W sec MLP wartośc wejścowe są mnożone przez wag, dodawane przekształcane przez funkcję przejśca. W sec RBF wag zwązane z neuronem reprezentują współrzędne punktu. Interpretując wartośc wejść do neuronu jako współrzędne drugego punktu, można oblczyć odległość pomędzy obydwoma punktam. Przyjmując, że punkt określony przez wag jest centrum funkcj o welowymarowym rozkładze normalnym, można dokonać nelnowej transformacj odległośc punktu wejścowego od centrum. W ten sposób otrzymuje sę wyjśce neuronu w sec RBF. W rezultace obszar decyzyjny zostaje podzelony przy pomocy okręgów (hpersfer), podczas gdy w secach MLP podzał następuje przy pomocy prostych (płaszczyzn). Uczene sec RBF następuje z reguły szybcej nż analogcznej sec MLP, jednakże dzała ona wolnej wymaga wększych zasobów pamęc. Do budowy sec neuronowych wykorzystano Automatycznego projektanta sec w programe STATISTICA. Do prezentacj wybrano sedem W pracy opsano, jak można modelować pojęca gospodarcze poprzez wadomośc nternetowe. W perwszym kroku następuje pozyskane danych tekstowych z Internetu przetworzene ch do postac umożlwającej loścową analzę. W drugm kroku można skorzystać z technk opsu statystycznego do zrozumena dostępnych danych, bądź bezpośredno przejść do konstrukcj model prognostycznych. Proponowany sposób dzałana został zobrazowany na przykładze modelowana konunktury gospodarczej z wykorzystanem tytułów artykułów ekonomcznych dzennka Rzeczpospolta w latach Jednakże postępując analogczne, można spróbować zbadać nne pojęca ekonomczne (tj. bezroboce, nflacja, kurs walutowy, ndeks gełdowy). Jednocześne warto meć na uwadze, że postrzegane stanu konunktury jako dobra lub zła jest podejścem klasyfkacyjnym. Jeżel poprzez stan konunktury będzemy rozumeć pewną lczbę na os, to należałoby stosować podejśce prognostyczne. Przeprowadzone analzy statystyczne mały na celu odkryce nowych relacj w danych oraz sprawdzene, czy teksty są dobrym źródłem danych w modelowanu konunktury. Na wstępe spróbowano zmnejszyć lczbę słów opsujących mesące. Ze względu na nske współczynnk korelacj pomędzy słowam, analza czynnkowa ne pozwolła zmnejszyć lczby cech. Z tego powodu zastosowano analzę warancj Zastosowana metod statystycznych w badanach naukowych III StatSoft Polska
8 do wyznaczena słów występujących stotne częścej w okresach z jednym typem konunktury. Przy 5% pozome stotnośc znalezono 22 słowa znacząco różncowane przez konunkturę. Bardzo cekawe wynk przedstawają zbudowane drzewo klasyfkacyjne funkcja dyskrymnacyjna. Współczynnk stojące przy zmennych w funkcj dyskrymnacyjnej pokazują, w jak sposób poszczególne słowa wpływają na konunkturę. Natomast utworzone drzewo klasyfkacyjne pozwolło podzelć zbór mesęcy ze względu na konunkturę z dokładnoścą ponad 80% przy pomocy jedyne dwóch słów ( ożywene, rosnąć ). Następne porównano jakość sec neuronowych przy prognozowanu konunktury na zborze mesęcy neborącym udzału w uczenu sec. Średna dokładność 7 sec o najwyższej dokładnośc klasyfkacyjnej na zborze waldacyjnym wynosła na zborze testującym ponad 3/4, co wskazuje na potencjalne możlwośc prognozowana konunktury poprzez słowa z tytułów prasowych. Barerą w rozwoju proponowanej procedury dzałana pozostaje fakt, że przekształcając zdana w neuporządkowane zbory słów, zachowujemy jedyne pewne głęboke odczuca zwązane z czytanem tych słów, a tracmy praktyczne całą treść zdań. BIBLIOGRAFIA 1) Burda M., Wyplosz C.,(2000): Makroekonoma podręcznk europejsk PWE, Warszawa. 2) Barczyk R.,(2004): Teora praktyka poltyk antycyklcznej, AE, Poznań. 3) Cho V., Wutrch B., Zhang J., (1998): Text processng for classfcaton, Techncal report, The Hong Kong Unversty of Scence and Technology. 4) Gleason J.B., Ratner N.B., (2005): Psycholngwstyka, GWP, Gdańsk. 5) Kroha P., Baeza-Yates R.,(2004): Classfcaton of Stock Exchange News, Techncal Report, Engneerng School, Unversdad de Chle. 6) Lavrenko V., Schmll M., Lawre D., Oglve P., Jensen D., Allan J.,(2000): Language models for fnancal news recommendaton, Proceedngs of the 9th ICIKM. 7) Norvag K., Oyr R.,(2005): News Item Extracton for Text Mnng n Web Newspapers, Proceedngs of Internatonal Workshop on Challenges n Web Informaton Retreval and Integraton Zastosowana metod statystycznych w badanach naukowych III StatSoft Polska 2008
Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoZadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoSystem Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
Bardziej szczegółowoOPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoModele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.
Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można
Bardziej szczegółowoMATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw
MATERIAŁY I STUDIA Zeszyt nr 86 Analza dyskrymnacyjna regresja logstyczna w procese oceny zdolnośc kredytowej przedsęborstw Robert Jagełło Warszawa, 0 r. Wstęp Robert Jagełło Narodowy Bank Polsk. Składam
Bardziej szczegółowoKształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu
PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju
Bardziej szczegółowoMETODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.
Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH
Grzegorz PRZEKOTA ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Zarys treśc: W pracy podjęto problem dentyfkacj cykl gełdowych.
Bardziej szczegółowoAnaliza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009
Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja
Bardziej szczegółowoPlan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoBADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20
Darusz Letkowsk Unwersytet Łódzk BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG0 Wprowadzene Teora wyboru efektywnego portfela nwestycyjnego zaproponowana przez H. Markowtza oraz jej rozwnęca
Bardziej szczegółowoKONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE
Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje
Bardziej szczegółowoKRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA
KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany
Bardziej szczegółowoSztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311
Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoĆwiczenie 10. Metody eksploracji danych
Ćwczene 10. Metody eksploracj danych Grupowane (Clusterng) 1. Zadane grupowana Grupowane (ang. clusterng) oznacza grupowane rekordów, obserwacj lub przypadków w klasy podobnych obektów. Grupa (ang. cluster)
Bardziej szczegółowoPortfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego
Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 3
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a
Bardziej szczegółowoWykład 2: Uczenie nadzorowane sieci neuronowych - I
Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za
Bardziej szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowoWikiWS For Business Sharks
WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace
Bardziej szczegółowoAnaliza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH
Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3
Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne
Bardziej szczegółowoZapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.
Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane
Bardziej szczegółowoAnaliza korelacji i regresji
Analza korelacj regresj Zad. Pewen zakład produkcyjny zatrudna pracownków fzycznych. Ich wydajność pracy (Y w szt./h) oraz mesęczne wynagrodzene (X w tys. zł) przedstawa ponższa tabela: Pracownk y x A
Bardziej szczegółowo2012-10-11. Definicje ogólne
0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj
Bardziej szczegółowoPROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE
PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.
Bardziej szczegółowoStatystyka. Zmienne losowe
Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu
Bardziej szczegółowoPROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Krzysztof Dmytrów * Marusz Doszyń ** Unwersytet Szczecńsk PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA
Bardziej szczegółowoZa: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch
Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym
Bardziej szczegółowoRozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1
Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa
Bardziej szczegółowoPRZESTRZENNE ZRÓŻNICOWANIE WYBRANYCH WSKAŹNIKÓW POZIOMU ŻYCIA MIESZKAŃCÓW MIAST ŚREDNIEJ WIELKOŚCI A SYSTEM LOGISTYCZNY MIASTA 1
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XI/2, 2010, str. 102 111 PRZESTRZENNE ZRÓŻNICOWANIE WYBRANYCH WSKAŹNIKÓW POZIOMU ŻYCIA MIESZKAŃCÓW MIAST ŚREDNIEJ WIELKOŚCI A SYSTEM LOGISTYCZNY MIASTA 1
Bardziej szczegółowoHipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ
WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego
Bardziej szczegółowoMETODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki
Metody Planowana Eksperymentów Rozdzał 1. Strona 1 z 14 METODY PLANOWANIA EKSPERYMENTÓW dr hab. nż. Marusz B. Bogack Marusz.Bogack@put.poznan.pl www.fct.put.poznan.pl/cv23.htm Marusz B. Bogack 1 Metody
Bardziej szczegółowoAnaliza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach
Jacek Batóg Unwersytet Szczecńsk Analza dagnoza sytuacj fnansowej wybranych branż notowanych na Warszawskej Gełdze Paperów Wartoścowych w latach 997-998 W artykule podjęta została próba analzy dagnozy
Bardziej szczegółowoPODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH
PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających
Bardziej szczegółowoWSKAŹNIK OCENY HIC SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO
WSKAŹNIK OCENY SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO Dagmara KARBOWNICZEK 1, Kazmerz LEJDA, Ruch cała człoweka w samochodze podczas wypadku drogowego zależy od sztywnośc nadwoza
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
Bardziej szczegółowoANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI PRACY
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36, T. 1 Barbara Batóg *, Jacek Batóg ** Unwersytet Szczecńsk ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI
Bardziej szczegółowoNAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz
NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów
Bardziej szczegółowoWykład 2: Uczenie nadzorowane sieci neuronowych - I
Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za
Bardziej szczegółowoANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr
Bardziej szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowoMetody predykcji analiza regresji
Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..
Bardziej szczegółowoZastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...
Adam Waszkowsk * Adam Waszkowsk Zastosowane welowymarowej analzy porównawczej w doborze spó³ek do portfela nwestycyjnego Zastosowane welowymarowej analzy porównawczej... Wstêp Na warszawskej Ge³dze Paperów
Bardziej szczegółowo1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:
.. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B
Bardziej szczegółowoANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH
Potr Mchalsk Węzeł Centralny OŻK-SB 25.12.2013 rok ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Celem ponższej analzy jest odpowedź na pytane: czy wykształcene radnych
Bardziej szczegółowoStatystyka Opisowa 2014 część 2. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoBadanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej
Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz
Bardziej szczegółowoStatystyka Opisowa 2014 część 1. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 1 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x
Bardziej szczegółowo± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości
Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość
Bardziej szczegółowoBadania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)
Bardziej szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowoPropozycja modyfikacji klasycznego podejścia do analizy gospodarności
Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach
Bardziej szczegółowoEgzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010
Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene
Bardziej szczegółowoZjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)
Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.
Bardziej szczegółowoSTATYSTYKA REGIONALNA
ЕЗЮМЕ В,. Т (,,.),. В, 2010. щ,. В -,. STATYSTYKA REGIONALNA Paweł DYKAS Zróżncowane rozwoju powatów w woj. małopolskm W artykule podjęto próbę analzy rozwoju ekonomcznego powatów w woj. małopolskm, wykorzystując
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 11
Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra
Bardziej szczegółowoOeconomiA copernicana 2013 Nr 3. Modele ekonometryczne w opisie wartości rezydualnej inwestycji
OeconomA coperncana 2013 Nr 3 ISSN 2083-1277, (Onlne) ISSN 2353-1827 http://www.oeconoma.coperncana.umk.pl/ Klber P., Stefańsk A. (2003), Modele ekonometryczne w opse wartośc rezydualnej nwestycj, Oeconoma
Bardziej szczegółowoEKONOMETRIA I Spotkanie 1, dn. 05.10.2010
EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra
Bardziej szczegółowoSTATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],
STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:
Bardziej szczegółowo0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4
Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma
Bardziej szczegółowoOligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją
Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q
Bardziej szczegółowo5. OPTYMALIZACJA GRAFOWO-SIECIOWA
. OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,
Bardziej szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 10
Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoPiesi jako ofiary śmiertelnych wypadków analiza kryminalistyczna
Pes jako ofary śmertelnych wypadków analza krymnalstyczna Potr Kodryck, Monka Kodrycka Pozom bezpeczeństwa ruchu drogowego klasyfkuje Polskę na jednym z ostatnch mejsc wśród krajów europejskch. Wskaźnk
Bardziej szczegółowoMinister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.
Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego
Bardziej szczegółowoRUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.
RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu
Bardziej szczegółowoProste modele ze złożonym zachowaniem czyli o chaosie
Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok
Bardziej szczegółowoZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BRYŁY SZTYWNEJ
ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BYŁY SZTYWNEJ 1. Welkośc w uchu obotowym. Moment pędu moment sły 3. Zasada zachowana momentu pędu 4. uch obotowy były sztywnej względem ustalonej os -II
Bardziej szczegółowoBADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda
BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp
Bardziej szczegółowoKlasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5
Bardziej szczegółowoOcena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak
Ocena jakoścowo-cenowych strateg konkurowana w polskm handlu produktam rolno-spożywczym dr Iwona Szczepanak Ekonomczne, społeczne nstytucjonalne czynnk wzrostu w sektorze rolno-spożywczym w Europe Cechocnek,
Bardziej szczegółowoParametry zmiennej losowej
Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru
Bardziej szczegółowoSTARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU
Ewa Szymank Katedra Teor Ekonom Akadema Ekonomczna w Krakowe ul. Rakowcka 27, 31-510 Kraków STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Abstrakt Artykuł przedstawa wynk badań konkurencyjnośc
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje
Bardziej szczegółowoDiagnostyka układów kombinacyjnych
Dagnostyka układów kombnacyjnych 1. Wprowadzene Dagnostyka obejmuje: stwerdzene stanu układu, systemu lub ogólne sec logcznej. Jest to tzw. kontrola stanu wykrywająca czy dzałane sec ne jest zakłócane
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoRegulamin promocji 14 wiosna
promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30
Bardziej szczegółowoKrzysztof Borowski Zastosowanie metody wideł cenowych w analizie technicznej
Krzysztof Borowsk Zastosowane metody wdeł cenowych w analze technczne Wprowadzene Metoda wdeł cenowych została perwszy raz ogłoszona przez Alana Andrewsa 1 w roku 1960. Trzy lne wchodzące w skład metody
Bardziej szczegółowody dx stąd w przybliżeniu: y
Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc
Bardziej szczegółowo