PRÓBA KONSTRUKCJI HEDONICZNEGO MODELU CEN USŁUG DOSTAWY INTERNETU
|
|
- Magdalena Wojciechowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Anna KRÓL Unwersytet Ekonomczny we Wrocławu PRÓBA KONSTRUKCJI HEDONICZNEGO MODELU CEN USŁUG DOSTAWY INTERNETU Streszczene: Artykuł prezentuje wynk hedoncznej analzy cen usług dostawy Internetu, uzależnającej cenę usług od szeregu stotnych z punktu wdzena konsumenta dostawcy usług charakterystyk (np. szybkośc połączena, długośc zwązana umową). Do analzy użyto klasycznego narzędza ekonometr jakm jest standardowy model lnowy, dodatkowo wyznaczono przedzały ufnośc dla parametrów modelu za pomocą metody bootstrap. Wnosk z przeprowadzonego badana pozawalają na wycenę rynkowej wartośc usług, dentyfkację atrybutów usług, które wpływają na jej cenę oraz oszacowane neobserwowalnych bezpośredno na rynku cen za poszczególne charakterystyk usług. Słowa kluczowe: modele hedonczne, usług dostawy Internetu, bootstrap, bootstrapowe przedzały ufnośc. Wstęp W ostatnch latach w Polsce bardzo wyraźne dynamczne rozwja sę rynek Internetu. Pojawane sę nowych, użytecznych technolog coraz lcznejszych usług nternetowych (tj. poczta elektronczna, handel nternetowy, portale społecznoścowe, bankowość elektronczna tp.) powoduje, że coraz węcej Polaków odczuwa potrzebę systematycznego korzystana z sec Internet. Jak wynka z raportu Głównego Urzędu Statystycznego [Społeczeństwo nformacyjne 2010] w roku % polskch gospodarstw domowych posadało komputery osobste, co stanow wzrost o około 52% w stosunku do roku 2006, a 16,1 mln Polaków korzystało z komputera regularne (co najmnej raz w tygodnu). Jednocześne 63,4% gospodarstw domowych deklarowało posadane dostępu do Internetu w domu (w roku 2006 z usług tej korzystało jedyne 35,9% polskch gospodarstw). Całkowta wartość rynku usług dostępu do sec Internet za pomocą sec moblnych stacjonarnych w 2010 roku lczona przychodam ze sprzedaży usług klentom końcowym osągnęła wartość 4,14 mlardów zł, co stanow wzrost w stosunku do roku 2006 o około 75,5% [Raport o stane 2010]. W odpowedz na stale rosnące zanteresowane korzystanem z sec Internet pojawają sę coraz lcznejsze oferty usług dostępu do Internetu o dużym zróżncowanu, zarówno jeśl chodz o technologę dostarczana Internetu jak szybkość łącza. Ze względu na dynamczny rozwój tej branży usług
2 koneczne jest doskonalene narzędz badawczych przeprowadzane badań umożlwających analzę porównywane cen różnych warantów usług. Artykuł prezentuje wynk hedoncznej analzy cen usług dostawy Internetu na terene Wrocława, uzależnającej cenę usług od takch jej charakterystyk jak szybkośc połączena, długość zwązana umową rodzaj połączena. 1. Modele hedonczne Podstawą teor model hedoncznych jest tzw. hpoteza hedonczna, która zakłada, że każde dobro (usługa) heterogenczne jest charakteryzowane poprzez zbór stotnych z punktu wdzena konsumenta producenta charakterystyk [Brachnger 2002]. Jednocześne zakłada sę, że cena dobra jest agregatem wycen jego atrybutów. Zależność mędzy ceną dobra C, a zborem jego charakterystyk (nazywana regresją hedonczną lub modelem hedoncznym) może być opsana za pomocą pewnej funkcj f : C = f ( X, β ) + ε, (1) gdze: X β wektor atrybutów (charakterystyk), wektor parametrów, ε składnk losowy. Ważnym elementem teor model hedoncznych jest pojęce ceny hedoncznej (ceny ukrytej, mplcte), która jest defnowana jako część ceny dobra odpowadająca atrybutow x, j. Formalne jest ona wyrażona jako pochodna cząstkowa funkcj hedoncznej (1): c, j C =. (2) x, j Cena hedonczna określa o le zmen sę cena dobra C jeśl dobro to zostane wzbogacone dodatkową jednostką atrybutu x, (ceters parbus) [ Trplett 1986]. j Koncepcja model hedoncznych znajduje szeroke zastosowane w wyznaczanu tzw. rzeczywstej zmany cen w ofcjalnej statystyce cen. Występująca w czase zmana jakośc dóbr pojawane sę nowych technolog powodują, że dobra obecne na rynku przestają być porównywalne z dobram, których ceny były obserwowane w przeszłośc. W rezultace klasyczne metody merzena zman cen obarczone są błędem, który z reguły objawa sę w zawyżanu wyznaczanych stóp wzrostu cen, a tym samym zanżanu rzeczywstych stóp wzrostu ekonomcznego. Innym obszarem zastosowań metod hedoncznych jest wycena rynkowej wartośc dóbr usług, a także oszacowane cen
3 poszczególnych ch atrybutów. Bogata lteratura empryczna w tym zakrese koncentruje sę główne na badanu cen dóbr trwałych (np. samochody, sprzęt IT, sprzęt AGD) oraz neruchomośc (np. domy, meszkana, dzałk), choć metody hedonczne mogą równeż znaleźć zastosowane w analze rynku usług heterogencznych 1 (próby take podjęte zostały dla rynku usług Internetowych m.n. w pracach [Greensten 2002; Wllams 2008]). Szczególne atrakcyjna jest możlwość wyceny tych atrybutów dóbr lub usług, które ne są bezpośredno obserwowalne na rynku (w przypadku usług dostawy Internetu jest to np. cena jaką należy zapłacć za krótsze o rok zwązane umową z dostawcą). 2. Dane Dane wykorzystane w badanu obejmują 156 ofert usług dostawy Internetu z terenu Wrocława w technolog szerokopasmowej kablowej (technologe xdsl, LAN-Ethernet, telewzja kablowa) o ogranczonym czase trwana umowy (od 1 do 3 lat). Źródłem zebranych danych były oferty cennk frm zajmujących sę dostarczanem Internetu na terene Wrocława (wzęto pod uwagę zarówno frmy dzałające w skal całego kraju np. Neta, jak lokalnych dostawców np. sec osedlowe). Analzą ne zostały objęte technologe wąskopasmowe (tj. modem analogowy czy połączene cyfrowe ISDN) ze względu na ch pogłębającą sę margnalzację oraz technologe bezprzewodowe (tj. WLAN, modem 2G/3G czy łącza sateltarne) ze względu na ch neporównywalność z ofertą technolog kablowej 2. Szerokopasmowe technologe kablowe są obecne najbardzej rozpowszechnonym sposobem dostawy Internetu w Polsce, a ch wartość w 2010 roku stanowła około 64,3% wartośc całego rynku [Raport o stane 2010]. Jednocześne wyraźne można zauważyć tendencję zmnejszana sę udzału w rynku tych usług (zwłaszcza xdsl) na rzecz szerokopasmowych technolog bezprzewodowych (w szczególnośc modemów 2G/3G) (patrz rysunek 1). 1 Warunkem umożlwającym przeprowadzene analzy hedoncznej usług jest jednakże to, aby atrybuty usług były wyraźne sprecyzowane porównywalne pomędzy różnym warantam usług. 2 Technologe bezprzewodowe dostawy Internetu ze względu na swoją wększą elastyczność moblność można uznać za na tyle odmenne od technolog kablowych, że ne stanową one nnego warantu tej samej usług lecz nną usługę, którą należałoby analzować oddzelne.
4 Rysunek 1. Struktura wartośc rynku Internetu w Polsce w latach Kategora Inne obejmuje technologe FWA, łącza dzerżawone, łącza sateltarne, CDMA oraz WMax. Żródło: [Raport o stane 2010]. Każda analzowana oferta usług dostawy Internetu jest opsana za pomocą mesęcznej ceny śwadczena usług brutto (uwzględnającej równeż cenę aktywacj usług) C [zł] oraz następujących atrybutów usług: UP - szybkość wysyłana danych [Mb/sek.], DOWN - szybkość poberana danych [Mb/sek.], UMOWA - długość zwązana umową [lata], UMOWAx - zmenne sztuczne utworzone na podstawe zmennej UMOWA, przyjmują wartość 1 dla długośc zwązana umową x lat, 0 dla pozostałych, TK - zmenna sztuczna, przyjmuje wartość 1 dla ofert dostawy Internetu poprzez telewzję kablową, 0 w przecwnym wypadku. Ze względu na fakt ż w przypadku usług dostawy Internetu ceny oferowane ne podlegają negocjacjom są tożsame z cenam transakcj, ne występuje tu znany w analze hedoncznej problem rozbeżnośc pomędzy ceną oferty a ceną ostateczne zawartej umowy. Tabela 1 prezentuje podstawowe statystyk opsowe dla użytych w badanu zmennych. Tabela 1. Statystyk opsowe Zmenna Znak 4 Wartość Wartość Wartość Odchylene Struktura 5 3 W latach ne zberano danych o usłudze 2G/3G.
5 (a) (b) średna (c) mn. (d) maks. (e) stand. (f) (g) C 65,59 29,00 140,00 22,11 UP + 1,33 0,12 15,00 2,04 DOWN + 8,66 0,25 32,00 8,12 UMOWA (1, 2, 3) 35,9% 48,7% 15,4% TK (1, 0) + 42,7% 57,3% Źródło: oblczena własne. Duże zróżncowane warantów usług odzwercedlone jest zarówno w cene usług, która w analzowanej próbe waha sę pomędzy 29,00 a 140,00 zł, jak w szybkośc łącza (szybkość poberana danych oscyluje pomędzy 0,25 a 32 Mb/sek.). Oferowana długość trwana umowy wynosła od 1 do 3 lat, przy czym najczęścej proponowana jest umowa dwuletna (nespełna 49%) a najrzadzej trzyletna (neco ponad 15%). Zebrane dane umożlwły równeż uzależnene ceny usług od technolog dostawy Internetu. Ze względu na fakt, że różnce w cene mędzy technologam LAN xdsl okazały sę być nestotne statystyczne, w prezentowanej analze użyto tylko jednej zmennej opsującej technologę TK. Struktura zboru danych ze względu na rodzaj połączena okazała sę być zblżona do struktury udzałów w rynku poszczególnych technolog w całej Polsce w roku 2010 (porównaj rysunek 1). Około 43% ofert stanowły połączena poprzez telewzję kablową, pozostałe 57% to łącza w technolog LAN xdsl (wartośc udzałów w rynku wynosły odpowedno 33% 67%). 3. Estymacja modelu hedoncznego Próbę konstrukcj modelu hedoncznego dla cen usług dostawy Internetu rozpoczęto od podejśca klasycznego, czyl zastosowane podstawowego narzędza ekonometrycznego, jakm jest standardowy model lnowy postac: Y = Xβ + ε, (3) gdze: Y n - elementowy wektor zmennej zależnej ( n lczba obserwacj), X β macerz zmennych nezależnych o wymarze parametrów), K - elementowy wektor parametrów, ε n - elementowy wektor odchyleń losowych. n K ( K lczba 4 Oczekwany znak oceny parametru. 5 Dla zmennych sztucznych podano procentowe udzały poszczególnych wartośc w próbe.
6 Do szacowana modelu zastosowano klasyczną metodę najmnejszych kwadratów (KMNK), której estymatory, przy spełnenu założeń Gaussa-Markova, są neobcążone, zgodne efektywne. Wynk estymacj modelu lnowego (zmenna zależna C, lczba obserwacj n = 156) oraz przeprowadzonych testów statystycznych prezentuje tabela 2. Tabela 2. Wynk estymacj modelu Zmenna (a) Ocena parametru (b) Błąd standardowy (c) Statystyka t (d) p-value (e) wyraz wolny 38,6771 2, ,7301 0,0000 UP 1,6144 0, ,4204 0,0167 DOWN 4,2814 0, ,4348 0,0000 DOWN 2-0,0884 0, ,7839 0,0000 UMOWA3-10,0640 3, ,2451 0,0014 TK 10,2176 2, ,8350 0,0002 Błąd standardowy reszt 13,898 Skorygowany R 2 0,617 F (5,150) 51,102 p-value dla testu F 0,000 Statystyka testu Whte a 17,064 p-value dla testu Whte a 0,450 Statystyka testu RESET 2,403 p-value dla testu RESET 0,094 Statystyka testu Shapro-Wlka 0,922 p-value dla testu Shapro-Wlka 0,000 Statystyka testu Jarque a-bera 97,243 p-value dla testu Jarque a-bera 0,000 Źródło: oblczena własne w programe R. Otrzymane rezultaty należy nterpretować z dużą ostrożnoścą, ze względu na fakt, że przeprowadzone testy statystyczne odrzucają hpotezę o normalnośc rozkładu składnka losowego, co może wskazywać na nespełnene jednego z założeń standardowego modelu lnowego, a dodatkowo lczebność analzowanego zbór danych jest newelka. Z tego powodu, jako uzupełnene analzy, w kolejnej częśc artykułu prezentowane są przedzały ufnośc dla parametrów wyznaczone neparametryczną metodą bootstrap. Uzyskane oceny parametrów mają znak zgodne z oczekwanym. Łącza szybsze są droższe (każdy dodatkowy Mb/sek. wysyłana danych kosztuje około 1,6 zł mesęczne węcej, a poberana danych około 4,3 zł węcej, ceters parbus), jednakże m wększa szybkość poberana danych tym przyrost ceny jest wolnejszy (o czym śwadczy ujemna wartość oceny parametru przy zmennej DOWN 2 ). Dłuższy czas zwązana umową wąże sę z nższym opłatam za usługę. Przy umowe zawartej na 3 lata, przecętna cena za usługę będze nższa o około 10 zł mesęczne, ceters parbus (różnca mędzy umową na rok dwa lata była nestotna statystyczne). Technologa dostawy Internetu przez sec
7 kablowe okazała sę być najdroższą spośród rozpatrywanych. Za łącze w takej technolog trzeba zapłacć przecętne o około 10 zł węcej w porównanu do łączy xdsl LAN o zblżonej szybkośc czase trwana umowy. 4. Przedzały ufnośc uzyskane metodą bootstrap Idea neparametrycznej metody bootstrap polega na wyznaczenu emprycznego rozkładu próbkowego statystyk (tutaj: parametrów ln regresj) bez czynena założeń o rozkładze populacj [Fox, Wesberg 2011]. Procedura metody przebega w następujący sposób: 1) z dostępnego zboru danych o rozmarze n losuje sę n elementów ze zwracanem otrzymując tzw. próbkę bootstrapową; 2) losowane powtarza sę R-krotne (R lczba replkacj), w rezultace otrzymując R próbek bootstrapowych; 3) dla każdej próbk wyznacza sę wartość statystyk; 4) wyznacza sę rozkład wartośc statystyk otrzymanych z próbek bootstrapowych, na podstawe którego można np. konstruować przedzały ufnośc dla parametrów [Davson, Hnkley 1997; Domańsk, Pruska 2000]. (a) (b) (c) (d) Rysunek 2. Empryczny rozkład parametrów ln regresj uzyskany metoda bootstrap, lczba replkacj R = 2000
8 Oznaczena (a) zmenna UP; (b) zmenna DOWN; (c) zmenna UMOWA3; (d) zmenna TK. Zródło: oblczena własne w programe R. Rysunek 2 tabela 3 prezentują wynk zastosowana metody bootstrap do wyznaczena przedzałów ufnośc dla parametrów modelu oszacowanego w częśc 3. Oblczena zostały wykonane w programe R za pomocą paketu boot autorstwa Angelo J. Canty [Canty 2002], przy lczbe replkacj równej Tabela 3. Przedzały ufnośc dla parametrów wyznaczone metodą bootstrap (pozom ufnośc 95%) Zmenna (a) Ocena parametru (b) Dolna granca (c) Górna granca (d) wyraz wolny 38, ,82 43,75 UP 1,6144 0,13 3,136 DOWN 4,2814 3,314 5,28 DOWN 2-0,0884-0,127-0,054 UMOWA3-10, ,00-5,55 TK 10,2176 5,10 16,25 Źródło: oblczena własne w programe R. Zakończene W artykule podjęto próbę konstrukcj hedoncznego modelu cen usług dostawy Internetu we Wrocławu z użycem standardowego modelu lnowego, szacowanego klasyczną metodą najmnejszych kwadratów. Ze względu na newelką lczebność analzowanego zboru danych oraz neznany rozkład zmennej zależnej modelu, badane zostało poszerzone o wyznaczene przedzałów ufnośc metodą bootstrap. W przypadku wszystkch ocen parametrów wyznaczone przedzały ufnośc pokrywają z warygodnoścą 0,95 oszacowane wartośc, przy czym dość duża rozpętość przedzałów utrudna nterpretację wykorzystane wynków. Otrzymane rezultaty pozwalają na wycenę usług dostawy Internetu przy różnych jej parametrach oraz oszacowane cen poszczególnych atrybutów usług. Wynk mogą zostać użyte przez trzy grupy podmotów. Użytkowncy usług dostawy Internetu za pomocą oszacowań modelu hedoncznego mają możlwość porównana cen różnych warantów usług dokonana optymalnego dla sebe wyboru. Dla dostawców usług nternetowych model hedonczny może być narzędzem wspomagana kreowana poltyk cenowej oraz projektowana nowych warantów usług.
9 Wreszce podmoty zajmujące sę ofcjalną statystyką cenową mogą wykorzystywać modele hedonczne do korygowana pomaru zman cen (wskaźnków nflacj). Bblografa Brachnger, H.W., 2002, Statstcal Theory of Hedonc Prce Indces, Department of Quanttatve Economcs, Unversty of Freburg/Frbourg, Swtzerland. Canty, A.J., 2002, Resamplng Methods n R: The boot Package, R News, vol. 2/3, s Davson, A.C., Hnkley, D.V., 1997, Bootstrap Methods and Ther Applcaton, Cambrdge Unversty Press, Cambrdge. Domańsk C., Pruska K., Neklasyczne metody statystyczne, PWE, Warszawa Fox, J., Wesberg, S., 2001, An R Companon to Appled Regresson, SAGE Publcatons, Thousand Oaks. Greensten, S., 2002, Is the Prce Rght? The CPI for Internet Access, Bureau of Economc Analyss, Washngton. Raport o stane rynku telekomunkacyjnego w Polsce w 2010 roku, 2010, Urząd Komunkacj Elektroncznej, Warszawa. Społeczeństwo nformacyjne w Polsce. Wynk badań statystycznych z lat , Główny Urząd Statystyczny, Warszawa. Trplett, J., 1986, The Economc Interpretaton of Hedonc Methods, Survey of Current Busness, vol. 36 (1), s Wllams, B., 2008, A Hedonc Model for Internet Access Servce n the Consumer Prce Index, Monthly Labor Revew, vol. 131 (July), s An Attempt to Construct Hedonc Model of the Internet Access Prces Summary: Ths paper presents the results of hedonc analyss of Internet access prces, n whch the prce depends on the set of characterstcs (such as bandwdth, contract duraton), vtal for both the provder and the customer. The analyss s performed wth applcaton of classcal econometrc tool Standard Lnear Regresson Model. Addtonally bootstrap confdence ntervals are estmated for the regresson coeffcents. Obtaned results allow for prcng the Internet access servces, dentfcaton of the characterstcs whch nfluence the prce and estmaton of the drectly unobservable prces of the ndvdual characterstcs. Key words: hedonc models, Internet access servces, bootstrap, bootstrap confdence ntervals.
Natalia 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. 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 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 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 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 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 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 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 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 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 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 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 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 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 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 zimowa piętnastka
zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoRegulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej
Łukasz Goczek * Regulacje sądownctwo przeszkody w konkurencj mędzy frmam w Europe Środkowej Wschodnej Wstęp Celem artykułu jest analza przeszkód dla konkurencj pomędzy frmam w Europe Środkowej Wschodnej.
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 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 szczegółowoRegulamin promocji upalne lato 2014 2.0
upalne lato 2014 2.0 strona 1/5 Regulamn promocj upalne lato 2014 2.0 1. Organzatorem promocj upalne lato 2014 2.0, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa
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 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 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 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 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 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 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 szczegółowoTESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).
TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu
Bardziej szczegółowoMikroekonometria 15. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 15 Mkołaj Czajkowsk Wktor Budzńsk Mkroekonometra podsumowane kursu Zagadnena ogólne NLOGIT Metoda maksymalzacj funkcj ML Testy statystyczne Metody numeryczne, symulacje Metody wyceny nerynkowej
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 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 szczegółowoRegulamin promocji fiber xmas 2015
fber xmas 2015 strona 1/5 Regulamn promocj fber xmas 2015 1. Organzatorem promocj fber xmas 2015, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna 2015
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 szczegółowoRegulamin promocji karnaval 2016
karnaval 2016 strona 1/5 Regulamn promocj karnaval 2016 1. Organzatorem promocj karnaval 2016, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 20 styczna 2016
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
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 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 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 szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009.
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009 Unwersytet Mkołaja Kopernka w Torunu Katedra Ekonometr Statystyk Elżbeta
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 szczegółowoWykład 4 Wybór najlepszej procedury. Estymacja parametrów re
Wykład 4 Wybór najlepszej procedury. Estymacja parametrów regresji z wykorzystaniem metody bootstrap. Wrocław, 22.03.2017r Wybór najlepszej procedury - podsumowanie Co nas interesuje przed przeprowadzeniem
Bardziej szczegółowoWykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap
Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap Magdalena Frąszczak Wrocław, 21.02.2018r Tematyka Wykładów: Próba i populacja. Estymacja parametrów z wykorzystaniem metody
Bardziej szczegółowoMODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI
Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene
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 szczegółowoBadanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja
Jacek Batóg Unwersytet Szczecńsk Badane optymalnego pozomu kaptału zatrudnena w polskch przedsęborstwach - ocena klasyfkacja Prowadząc dzałalność gospodarczą przedsęborstwa kerują sę jedną z dwóch zasad
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 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 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 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 szczegółowoO PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH
Mateusz Baryła Unwersytet Ekonomczny w Krakowe O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Wprowadzene
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 szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
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 szczegółowoZASTOSOWANIE ANALIZY UNFOLDING I REGRESJI HEDONICZNEJ
ZASTOSOWANIE ANALIZY UNFOLDING I REGRESJI HEDONICZNEJ DO OCENY PREFERENCJI KONSUMENTÓW Marta Dziechciarz-Duda Anna Król Uniwersytet Ekonomiczny we Wrocławiu 2 Cel i hipoteza badawcza Cel badania Próba
Bardziej szczegółowoD. Ciołek EKONOMETRIA wykład 0 EKONOMETRIA. Wykład 0: Informacje o przedmiocie. dr Dorota Ciołek. Katedra Ekonometrii Wydział Zarządzania UG
D. Cołek EKONOMETRIA wykład 0 EKONOMETRIA Wykład 0: Informacje o przedmoce dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dc dorota.colek@ug.edu.pl D. Cołek EKONOMETRIA wykład 0 Informacje
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 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 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 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 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 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 szczegółowoRozwiązywanie zadań optymalizacji w środowisku programu MATLAB
Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe
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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoEkonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
mę, nazwsko, nr ndeksu: Ekonometra egzamn 1//19 1. Egzamn trwa 9 mnut.. Rozwązywane zadań należy rozpocząć po ogłoszenu początku egzamnu a skończyć wraz z ogłoszenem końca egzamnu. Złamane tej zasady skutkuje
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 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 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 szczegółowoZAJĘCIA X. Zasada największej wiarygodności
ZAJĘCIA X Zasada najwększej warygodnośc Funkcja warygodnośc Estymacja wg zasady maksymalzacj warygodnośc Rodzna estymatorów ML Przypadk szczególne WPROWADZEIE Komputerowa dentyfkacja obektów Przyjęce na
Bardziej szczegółowoMPEC wydaje warunki techniczne KONIEC
1 2 3 1 2 2 1 3 MPEC wydaje warunk technczne 4 5 6 10 9 8 7 11 12 13 14 15 KONIEC 17 16 4 5 Chcesz wedzeć, czy masz możlwość przyłączena budynku Możlwośc dofnansowana wymany peców węglowych do sec mejskej?
Bardziej szczegółowo