WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI
|
|
- Teresa Górecka
- 7 lat temu
- Przeglądów:
Transkrypt
1 WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI dr Janusz Wątroba, StatSoft Polska Sp. z o.o. Prezentowany artykuł pośwęcony jest wybranym zagadnenom analzy korelacj regresj. Po przedstawenu najważnejszych nformacj potrzebnych do zrozumena de tych metod zaprezentowane zostaną przykłady ch zastosowań. Wszystke potrzebne oblczena oraz wykresy zostały wykonane za pomocą programu STATISTICA. Wprowadzene Poszczególne elementy wchodzące w skład badanej zborowośc jednostek są zazwyczaj opsywane za pomocą węcej nż jednej cechy (zmennej). W wększośc przypadków analzowane zmenne są w jakś sposób powązane ze sobą. W takch sytuacjach zachodz zatem potrzeba ch łącznego badana. Celem analzy jest węc stwerdzene, czy mędzy badanym zmennym zachodzą jakeś zależnośc, jaka jest ch sła, jaka jest ch postać kerunek. Współzależność mędzy zmennym może być dwojakego rodzaju: funkcyjna lub stochastyczna (probablstyczna). Istota zależnośc funkcyjnej polega na tym, że zmana wartośc jednej zmennej powoduje ścśle określoną zmanę wartośc drugej zmennej. W przypadku zależnośc funkcyjnej określonej wartośc jednej zmennej (X) odpowada jedna tylko jedna wartość drugej zmennej (Y). Symbolem X oznaczamy zmenną nezależną (objaśnającą), natomast symbolem Y - zmenną zależną (objaśnaną). Zależność stochastyczna występuje wtedy, gdy wraz ze zmaną wartośc jednej zmennej zmena sę rozkład prawdopodobeństwa drugej zmennej. Szczególnym przypadkem zależnośc stochastycznej jest zależność korelacyjna (statystyczna). Polega ona na tym, że określonym wartoścom jednej zmennej odpowadają ścśle określone średne wartośc drugej zmennej. Możemy zatem ustalć, jak zmen sę - średno borąc - wartość zmennej zależnej Y w zależnośc od wartośc zmennej nezależnej X. Na zameszczonym ponżej wykrese przedstawono przykładowe postace zwązków funkcyjnych statystycznych. Copyrght StatSoft Polska
2 Zwązek funkcyjny, lnowy Zwązek funkcyjny, nelnowy Y 34 Y X X Zwązek statystyczny, lnowy Zwązek statystyczny, nelnowy Y Y X X Zwązk typu statystycznego są możlwe do wykryca oraz loścowego opsu w przypadku, kedy mamy do czynena z weloma obserwacjam, opsującym badane obekty, zjawska czy też procesy. Opsywane w nnejszym artykule postace zwązków pomędzy zmennym zawęzmy do zwązków lnowych. Ogólne zwązk pomędzy zmennym mogą przyjmować postać krzywej drugego wyższych stopn lub też nne postace. Dlatego też, przy badanu danych, ważnym krokem jest sporządzene wykresu. Jeśl okaże sę, że badany zwązek ne jest lnowy, wówczas trzeba zastosować odpowedne rozwązane nelnowe. Odpowedne narzędza są dostępne w komercyjnych paketach do analz statystycznych, np. w pakece STATISTICA. Wykres rozrzutu Wykres rozrzutu pozwala w grafczny sposób zaprezentować postać zwązku pomędzy zmennym. Przy nterpretacj tego wykresu należy jednak zachować pewną ostrożność. Przede wszystkm należy pamętać, że wykres ne pozwala stwerdzć zwązku przyczynowo-skutkowego. Na przykład może sę okazać, że faza ksężyca wykazuje wpływ na proces, w przypadku którego występuje cykl mesęczny. Tworząc wykres rozrzutu, należy najperw jasno zdefnować zmenne. Następne trzeba zebrać przynajmnej 3 par lczb (lepej jest, jeśl danych jest węcej; 5 lub Copyrght StatSoft Polska
3 przypadków). Powszechne przyjęło sę na os pozomej umeszczać zmenną, która stanow przyczynę, a na os ponowej zmenną, która jest uważana za skutek. Współczynnk korelacj lnowej Statystyką, która opsuje słę lnowego zwązku pomędzy dwema zmennym, jest współczynnk korelacj z próby (r). Przyjmuje on wartośc z przedzału domknętego <-1; 1>. Wartość 1 oznacza występowane doskonałej korelacj ujemnej (to znaczy sytuację, w której punkty leżą dokładne na prostej, skerowanej w dół), a wartość 1 oznacza doskonałą korelację dodatną (punkty leżą dokładne na prostej, skerowanej w górę). Wartość oznacza brak korelacj lnowej. Wzór, za pomocą którego oblczamy współczynnk korelacj, ma postać: r ( x x)( y ( x y) x) ( y y) gdze x oraz y oznaczają odpowedno wartośc zmennych x y, a x oraz y oznaczają średne wartośc tych zmennych. Po oblczenu wartośc współczynnka korelacj zawsze zalecane jest utworzene wykresu rozrzutu. Chodz o to, aby wzualne stwerdzć, czy badany zwązek rzeczywśce najlepej opsuje funkcja lnowa. Może sę bowem okazać, że wylczona wartość współczynnka korelacj jest zblżona do zera, a mmo to pomędzy korelowanym zmennym występuje współzależność, tyle że nelnowa. Na zameszczonym powyżej rysunku przedstawono przykładowy wygląd wykresów przy określonych wartoścach współczynnka korelacj. Wykres umeszczony z lewej strony u góry pokazuje sytuację braku skorelowana zmennych. Z kole wykres umeszczony Copyrght StatSoft Polska
4 z prawej strony u góry przedstawa przypadek slnej korelacj dodatnej. Wykres umeszczony u dołu z lewej strony pokazuje neco słabszą korelację dodatną, a wykres umeszczony u dołu z prawej strony przedstawa przypadek korelacj ujemnej. Badane stotnośc korelacj Współczynnk korelacj r (z próby) stanow ocenę współczynnka korelacj w zborowośc generalnej w zwązku z tym jest obcążony pewnym błędem. Współczynnk korelacj jest statystyką, w zwązku z czym pownen być traktowany jako zmenna losowa. Jeśl zatem N-elementowa próba została pobrana ze zborowośc generalnej o dwuwymarowym rozkładze normalnym z parametrem =, a węc gdy zmenne X Y są neskorelowane zarazem nezależne, to zmenna losowa o postac: t r N 1 r ma rozkład t Studenta o N- stopnach swobody. W praktyce oznacza to, że formułujemy hpotezę zerową: H :, wobec hpotezy alternatywnej: H 1 :, a następne porównujemy wartość granczną t z wartoścą oblczoną t podejmujemy odpowedną decyzję odnośne H. Przykład analzy korelacj Prezentowany nżej przykład został zaczerpnęty z ksążk Breyfogle a [1]. Obserwacj poddano czas dostawy (x) 5 napojów bezalkoholowych oraz welkość dostawy (y). Fragment plku danych przedstawa zameszczony ponżej rysunek Copyrght StatSoft Polska
5 Umeszczony ponżej wykres rozrzutu, utworzony dla tych danych, pokazuje, że pomędzy analzowanym zmennym najprawdopodobnej występuje dość mocny zwązek typu lnowego. 9 Wykres rozrzutu Czas dostawy Lczba przypadków Oblczona w programe STATISTICA wartość współczynnka korelacj lnowej Pearsona wynosła tu,9646. Po zbadanu stotnośc współczynnka korelacj okazało sę, że jego wartość stotne różn sę od zera na pozome p<,1. Tak węc możemy stwerdzć, że pomędzy welkoścą dostaw a czasem dostaw stneje bardzo mocna, dodatna zależność, a węc wraz ze wzrostem welkośc dostaw, średno rzecz borąc, wydłuża sę czas dostawy. Wybrane elementy analzy regresj prostej Analza korelacj jest stosowana do pomaru stopna powązana pomędzy zmennym, natomast jej rozszerzene, jeśl chodz o metody badana współzależnośc, stanow analza regresj. Pozwala ona na loścowy ops zachodzących powązań. Pojęce funkcj w zastosowanu do badań emprycznych ne może być zazwyczaj stosowane bez pewnych zastrzeżeń. Elementarna matematyka żąda bowem, aby jednej wartośc zmennej nezależnej (objaśnającej, predyktora) była przyporządkowana dokładne jedna wartość zmennej zależnej (objaśnanej). Badacz natomast w praktyce ma zazwyczaj do czynena z sytuacją, w której przy klku powtórzenach dośwadczena, zachowując za każdym razem te same wartośc zmennej nezależnej, otrzymuje nne wartośc merzonej zmennej zależnej. Wartośc te zwykle leżą blsko sebe, ale ne są na ogół dentyczne. Tak węc rozsądek podpowada, żeby pojęce funkcj uczynć bardzej elastycznym, a termny zmenna nezależna zmenna zależna dostosować odpowedno do nowych potrzeb. Dla tego celu w statystyce matematycznej wprowadzono pojęce regresj, oznaczające oblczena wykorzystywane do loścowego opsu zależnośc jednej zmennej od drugej. Copyrght StatSoft Polska
6 Model regresj lnowej prostej (tzn. takej, w przypadku której występuje tylko jeden predyktor) przyjmuje postać: Y 1 x gdze oznacza wyraz wolny, współczynnk kerunkowy, a błąd. Jak to zostało już 1 wcześnej powedzane, zazwyczaj ne wszystke punkty układają sę dokładne na prostej modelu regresj. Źródłem błędu są wpływy nnych, neuwzględnonych w modelu zmennych, takch jak np. błędy pomarowe. Zakłada sę przy tym, że błędy mają średną wartość równą zero neznaną warancję, oraz że błędny ne są nawzajem skorelowane. W sytuacj gdy wartość współczynnka determnacj R (welkość ta oznacza kwadrat współczynnka korelacj) jest duża, to oznacza to, że błędy dla tego modelu są stosunkowo małe w zwązku z tym model jest dobrze dopasowany do rzeczywstych danych. Jeśl model regresj lnowej zawera tylko jedną zmenną nezależną, wtedy jest nazywany modelem regresj lnowej prostej. Natomast jeśl model regresj zawera wększą lczbę zmennych nezależnych, to wówczas odpowedn model nazywamy modelem regresj welorakej. Zasadnczy cel analzy regresj polega na ocene neznanych parametrów modelu regresj. Ocena ta jest dokonywana za pomocą metody najmnejszych kwadratów (MNK). Metoda ta sprowadza sę do mnmalzacj sum kwadratów odchyleń wartośc teoretycznych od wartośc rzeczywstych (czyl tzw. reszt modelu). Dopasowany model regresj prostej, który daje punktową ocenę średnej wartośc y dla określonej wartośc x, przyjmuje postać: yˆ b b1 x gdze ŷ oznacza teoretyczną wartość zmennej zależnej, a b o b 1 odpowedno oceny wyrazu wolnego współczynnka kerunkowego, uzyskane na podstawe wynków z próby. Jak to zostało wyżej powedzane, różnca pomędzy wartoścą obserwowaną y odpowadającą jej wartoścą teoretyczną (dopasowaną) ŷ jest nazywana resztą. Tak węc dla danej obserwacj można ją zapsać jako: e y yˆ Analza reszt stanow ważny element oceny adekwatnośc uzyskanego modelu regresj oraz oceny odchyleń występujących w stosunku do przyjmowanych założeń. Przy testowanu stotnośc współczynnków regresj korzystamy z rozkładu t Studenta, a przy przeprowadzanu analzy warancj (przeprowadzanej w celu oceny lnowośc modelu regresj) z rozkładu F. W perwszym przypadku jedna hpoteza zerowa zakłada, że ma wartość stałą (przecw alternatywnej, zakładającej, że ne jest wartoścą stałą), a druga przyjmuje, że ocena wynos zero (przecw alternatywnej, zakładającej, że ocena 1 różn sę od zera) Copyrght StatSoft Polska
7 W przypadku tabel analzy warancj, całkowta zmenność jest dzelona na dwe częśc, opsywane przez odpowedne sumy kwadratów (SK): gdze SKcała SKmodelu SKbłędu SKca ł a ( y y) SKmodelu ( yˆ y) SKb łę du ( y yˆ ) Każda z określonych wyżej sum kwadratów jest powązana z odpowednm lczbam stopn swobody, które wynoszą kolejno: n-1, 1 n-. Po podzelenu przez podane lczby stopn swobody odpowedne sumy kwadratów stanową dobre oceny odpowednch źródeł zmennośc. Uzyskane w ten sposób welkośc są nazywane w skróce średnm kwadratam (ŚK). Są one wykorzystywane do oceny lnowośc regresj. Wartość statystyk testowej jest wylczana ze wzoru: ŚK F ŚK modelu błędu Następne jest ona porównywana z wartoścą teoretyczną F, 1, n, po czym hpoteza o lnowośc regresj jest odpowedno weryfkowana. Kolejnym przeprowadzanym testem jest ocena adekwatnośc modelu. W tym celu sprawdzamy, czy ocena współczynnka determnacj SK R modelu SKcała stotne różn sę od zera. Po przemnożenu tej wartośc przez 1 otrzymujemy ocenę udzału warancj wyjaśnanej przez oszacowany model regresj. Analza reszt Jak to zostało już wcześnej wspomnane, analza reszt odgrywa ważną rolę przy badanu adekwatnośc dopasowanego modelu oraz ocene prawdzwośc przyjmowanych założeń. Zazwyczaj obejmuje ona następujące elementy: sprawdzene założena normalnośc rozkładu reszt, które jest przeprowadzane za pomocą oceny wykresu normalnośc reszt lub oceny hstogramu rozkładu reszt, ocenę skorelowana reszt poprzez wykreślene reszt w funkcj numeru obserwacj, Copyrght StatSoft Polska
8 ocenę poprawnośc modelu przez wykreślene wartośc reszt względem wartośc dopasowanych. Przykład analzy regresj prostej Przykład zostane przeprowadzony w oparcu o te same dane, które były wykorzystywane poprzedno przy analze korelacj. Tak jak poprzedno, wszystke potrzebne oblczena wykresy zostaną wykonane przy pomocy programu STATISTICA. W perwszej kolejnośc przeprowadzmy ocenę wyrazu wolnego współczynnka regresj. Odpowedne wynk zawera zameszczona ponżej tabela. Tak węc oszacowany model regresj przyjął postać: y = 3,31 +,176 x Na podstawe wynków zawartych w tabel możemy stwerdzć, że obydwe oceny stotne różną sę od zera. Śwadczą o tym wartośc prawdopodobeństw testowych odpowadające obydwu ocenom, które są nższe od,5. 9 Lczba przypadków vs. Czas dostawy Czas dostawy = 3,38 +,176 * Lczba przypadków Correlaton: r =,96461 Czas dostawy Lczba przypadków Na wykrese wdzmy oszacowany model w postac grafcznej wraz z 95% grancam przedzału ufnośc przedzału predykcj. Grance ufnośc odzwercedlają szerokość prze Copyrght StatSoft Polska
9 dzału ufnośc dla ocen parametrów modelu, a grance predykcj odzwercedlają szerokość przedzału ufnośc dla wartośc zmennej zależnej przy danym pozome zmennej nezależnej. Kolejne wynk analzy, pokazane na ponższym rysunku, mówą o tym, że oszacowany model wyjaśna około 93% orygnalnej zmennośc analzowanej zmennej zależnej. Standardowy błąd estymacj wynos 4,18. Jego wartość nformuje nas o tym, jak przecętne błąd popełnmy, przewdując czas dostawy na podstawe jej welkośc. W tym mejscu przeprowadzmy jeszcze analzę reszt. Po perwsze ocenmy, czy rozkład reszt jest rozkładem normalnym. W tym celu utworzymy wykres normalnośc reszt. Wykres ten został przedstawony ponżej. 3, Wykres normalnośc reszt Oczekwana wartość normalna,5, 1,5 1,,5, -,5-1, -1,5 -, -, Reszty Następne sprawdzmy, czy reszty są ze sobą skorelowane. Jak wdać na ponższym wykrese, sytuacja taka raczej ne występuje. Copyrght StatSoft Polska
10 1 Wykres reszt Reszta Nr obserwacj Ostatn z zameszczonych wykresów przedstawa wartośc reszt względem wartośc prognozowanych. 1 1 Wartośc przewdywane względem wartośc reszt 95% confdence Reszty Wartośc przewdywane Podsumowane W tym momence pownnśmy jeszcze raz powrócć do rzeczywstego celu przeprowadzanej analzy. Model pozwala dość dokładne oddać przebeg prawdzwych danych. Być może dalsza analza (np. budowa modelu opsującego zwązek odległośc dostawy lczby przypadków) pozwolłaby znaleźć lepszy model. Można byłoby równeż spróbować zastosować model regresj welorakej, tzn. model uwzględnający wększą lczbę zmennych nezależnych (np. dzeń tygodna, w którym była realzowana dostawa, operator lub stan pogody). Z drugej strony trzeba zdać sobe sprawę, że proces gromadzena analzy danych jest zazwyczaj czasochłonny, w zwązku z tym należy rozważyć ewentualne zysk straty Copyrght StatSoft Polska
11 Lteratura 1. Breyfogle III F. W., 1999, Implementng Sx Sgma. Smarter Solutons Usng Statstcal Methods. John Wley & Sons, Inc.. Czermńsk J. B., Iwasewcz A., Paszek Z., Skorsk A., 199, Metody statystyczne dla chemków, wyd. II, PWN Warszawa. 3. Montgomery D. C., 1997, Introducton to Statstcal Qualty Control, wyd. III, John Wley & Sons,Inc. Copyrght StatSoft Polska
Wprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
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 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 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 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 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 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 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 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 szczegółowoRachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej
Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej
Bardziej 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 szczegółowoDobór zmiennych objaśniających
Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.
Bardziej szczegółowoAnaliza zależności zmiennych ilościowych korelacja i regresja
Analza zależnośc zmennych loścowych korelacja regresja JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Plan wykładu 1. Lnowa zależność mędzy dwoma zmennym: Prosta regresja Metoda najmnejszych
Bardziej szczegółowoNatalia Nehrebecka. Dariusz Szymański
Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl
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 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 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 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 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 szczegółowoNieparametryczne Testy Istotności
Neparametryczne Testy Istotnośc Wzory Neparametryczne testy stotnośc schemat postępowana punkt po punkce Formułujemy hpotezę główną odnoszącą sę do: zgodnośc populacj generalnej z jakmś rozkładem, lub:
Bardziej szczegółowoWspółczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych
Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00
Bardziej 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 szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne
Bardziej 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 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 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 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 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 szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
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 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 szczegółowoSprawozdanie powinno zawierać:
Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,
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 szczegółowoRegresja liniowa i nieliniowa
Metody prognozowana: Regresja lnowa nelnowa Dr nż. Sebastan Skoczypec Zmenna losowa Zmenna losowa X zmenna, która w wynku pewnego dośwadczena przyjmuje z pewnym prawdopodobeństwem wartość z określonego
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 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 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 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 szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,
Bardziej szczegółowoEKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia
EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnena dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dorota-colek/ dorota.colek@ug.edu.pl 1 Wpływ skalowana danych na MNK
Bardziej szczegółowoAnaliza regresji modele ekonometryczne
Analza regresj modele ekonometryczne Klasyczny model regresj lnowej - przypadek jednej zmennej objaśnającej. Rozpatrzmy klasyczne zagadnene zależnośc pomędzy konsumpcją a dochodam. Uważa sę, że: - zależność
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 szczegółowoMikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna
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 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 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 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 szczegółowoWYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA
WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA. Ops teoretyczny do ćwczena zameszczony jest na strone www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops układu pomarowego
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 szczegółowoAnaliza 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 szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
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 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 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 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 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 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 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 szczegółowoMetody badań kamienia naturalnego: Oznaczanie współczynnika nasiąkliwości kapilarnej
Metody badań kaena naturalnego: Oznaczane współczynnka nasąklwośc kaplarnej 1. Zasady etody Po wysuszenu do stałej asy, próbkę do badana zanurza sę w wodze jedną z powerzchn (ngdy powerzchną obrabaną)
Bardziej szczegółowoEvaluation of estimation accuracy of correlation functions with use of virtual correlator model
Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu
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 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 szczegółowoFizyka cząstek elementarnych
ykład XI Rozpraszane głęboko neelastyczne partonowy model protonu Jak już było wspomnane współczesna teora kwarkowej budowy hadronów ma dwojake pochodzene statyczne dynamczne. Koncepcja kwarków była z
Bardziej szczegółowoAnaliza struktury zbiorowości statystycznej
Analza struktury zborowośc statystycznej.analza tendencj centralnej. Średne klasyczne Średna arytmetyczna jest parametrem abstrakcyjnym. Wyraża przecętny pozom badanej zmennej (cechy) w populacj generalnej:
Bardziej szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
Bardziej szczegółowoRachunek niepewności pomiaru opracowanie danych pomiarowych
Rachunek nepewnośc pomaru opracowane danych pomarowych Mędzynarodowa Norma Oceny Nepewnośc Pomaru (Gude to Epresson of Uncertanty n Measurements - Mędzynarodowa Organzacja Normalzacyjna ISO) http://physcs.nst./gov/uncertanty
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 szczegółowoWykłady Jacka Osiewalskiego. z Ekonometrii. CZĘŚĆ PIERWSZA: Modele Regresji. zebrane ku pouczeniu i przestrodze
Wykłady Jacka Osewalskego z Ekonometr zebrane ku pouczenu przestrodze UWAGA!! (lstopad 003) to jest wersja neautoryzowana, spsana przeze mne dawno temu od tego czasu ne przejrzana; ma status wersj roboczej,
Bardziej szczegółowoRozwiązania (lub wskazówki do rozwiązań) większości zadań ze skryptu STATYSTYKA: MATERIAŁY POMOCNICZE DO ZAJĘĆ oraz EGZAMINÓW Z LAT
Rozwązana (lub wskazówk do rozwązań) wększośc zadań ze skryptu STATYSTYKA: MATERIAŁY POMOCNICZE DO ZAJĘĆ oraz EGZAMINÓW Z LAT 01-014 ZMIENNA LOSOWA I JEJ ROZKŁAD Zadane 1/ str. 4 a/ zmenna może przyjmować
Bardziej szczegółowoIID = 2. i i i i. x nx nx nx
Zadane Analzujemy model z jedną zmenną objaśnającą bez wyrazu wolnego: y = β x + ε, ε ~ (0, σ ), gdze x jest nelosowe.. Wyznacz estymator MNK parametru β oraz oblcz jego warancję. (4 pkt) y. Zaproponowano
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 szczegółowoMIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH
MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH Adam Mchczyńsk W roku 995 grupa nstytucj mędzynarodowych: ISO Internatonal Organzaton for Standardzaton (Mędzynarodowa Organzacja Normalzacyjna),
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 szczegółowoSYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ
Jan JANKOWSKI *), Maran BOGDANIUK *),**) SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ W referace przedstawono równana ruchu statku w warunkach falowana morza oraz
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 szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej
Bardziej szczegółowoLaboratorium ochrony danych
Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz
Bardziej szczegółowoTEORIA PORTFELA MARKOWITZA
TEORIA PORTFELA MARKOWITZA Izabela Balwerz 28 maj 2008 1 Wstęp Teora portfela została stworzona w 1952 roku przez amerykańskego ekonomstę Harry go Markowtza Opera sę ona na mnmalzacj ryzyka nwestycyjnego
Bardziej szczegółowoSPRAWDZANIE PRAWA MALUSA
INSTYTUT ELEKTRONIKI I SYSTEMÓW STEROWANIA WYDZIAŁ ELEKTRYCZNY POLITECHNIKA CZĘSTOCHOWSKA LABORATORIUM FIZYKI ĆWICZENIE NR O- SPRAWDZANIE PRAWA MALUSA I. Zagadnena do przestudowana 1. Fala elektromagnetyczna,
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 szczegółowoXXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca
Bardziej szczegółowoLABORATORIUM PODSTAW ELEKTROTECHNIKI Badanie obwodów prądu sinusoidalnie zmiennego
Ćwczene 1 Wydzał Geonżyner, Górnctwa Geolog ABORATORUM PODSTAW EEKTROTECHNK Badane obwodów prądu snusodalne zmennego Opracował: Grzegorz Wśnewsk Zagadnena do przygotowana Ops elementów RC zaslanych prądem
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013
ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment
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 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 szczegółowoOpracowanie metody predykcji czasu życia baterii na obiekcie i oceny jej aktualnego stanu na podstawie analizy bieżących parametrów jej eksploatacji.
Zakład Systemów Zaslana (Z-5) Opracowane nr 323/Z5 z pracy statutowej pt. Opracowane metody predykcj czasu życa bater na obekce oceny jej aktualnego stanu na podstawe analzy beżących parametrów jej eksploatacj.
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 szczegółowoModel ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)
Model odstawowe założena modelu: ceny płace mogą ulegać zmanom (w odróżnenu od poprzedno omawanych model) punktem odnesena analzy jest obserwacja pozomu produkcj cen (a ne stopy procentowej jak w modelu
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 szczegółowoSTATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW
Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 4 60-965 POZAŃ (budynek Centrum Mechatronk, Bomechank anonżyner) www.zmsp.mt.put.poznan.pl tel. +48 61 665 5 70 fax
Bardziej szczegółowoMarkowa. ZałoŜenia schematu Gaussa-
ZałoŜena scheatu Gaussa- Markowa I. Model jest nezennczy ze względu na obserwacje: f f f3... fl f, czyl y f (x, ε) II. Model jest lnowy względe paraetrów. y βo + β x +ε Funkcja a być lnowa względe paraetrów
Bardziej 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 szczegółowo6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO
Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację
Bardziej szczegółowoSystemy Ochrony Powietrza Ćwiczenia Laboratoryjne
ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych
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 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 szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych
Bardziej szczegółowo