Miary nierówności społecznych podstawy metodologiczne

Wielkość: px
Rozpocząć pokaz od strony:

Download "Miary nierówności społecznych podstawy metodologiczne"

Transkrypt

1 PIOTR JABKOWSKI Miar nierówności społecznch podstaw metodologiczne Artkuł stanowi próbę przedstawienia metodologicznch podstaw najbardziej znanch i najczęściej stosowanch w badaniach nad nierównościami społecznmi miar tch nierówności. W tekście omawiam współcznnik Giniego, wskaźnik Theila oraz całą klasę mierników opartch na zasadzie porównwania skrajnch części rozkładu pewnego dobra w populacji. Mierniki te poddaję jednocześnie krtcznej statstcznej i metodologicznej analizie, wskazując wad i zalet oraz możliwości i ograniczenia stosowania każdej z miar. Przedstawiam także krteria ewaluacji miar nierówności oraz wnikające z tego konsekwencje, którch przejawem jest określon sposób budow, definiowania i praktcznego wkorzstania każdej z miar. Artkuł składa się z dwóch uzupełniającch się bloków. W pierwszm analizuję metodologiczne krteria ewaluacji miar społecznch nierówności, a w drugim analitczne definicje oraz ocenę miar nierówności, opierając się na podanch krteriach, wraz z konsekwencjami, jakie spełnienie lub niespełnienie owch krteriów niesie dla jakości formułowanch empircznch i teoretcznch wniosków. KRYTERIA EWALUACJI MIAR IERÓWOŚCI W literaturze metodologicznej spotkać można dwa zasadnicze podejścia w definiowaniu i obliczaniu wartości miar społecznch nierówności. Różnica w obu podejściach polega jednak jednie na sposobie przedstawiania rozkładu dochodu (lub innego dobra) w populacji: za pomocą teoretcznego rozkładu ciągłego albo dskretnego (skokowego) rozkładu empircznego (por. Xu 2004: 6-7). Ponieważ większość miar nierówności społecznch budowana jest zarówno dla przpadku rozkładu ciągłego, jak i dskretnego, a różnice tkwią jednie w sposobie definiowania rozkładu prawdopodobieństwa, to w artkule ograniczę się do przpadku dskretnego rozkładu danch. Dla rozkładu ciągłego trzeba b bowiem najpierw

2 Miar nierówności społecznch podstaw metodologiczne 27 dopasować do wników (a potem analizować) pewien teoretczn (hipotetczn) model dla zmiennej ciągłej, natomiast w przpadku rozkładu dskretnego wstarcz działać na surowch wnikach, które uzskuje się na podstawie prowadzonch badań ilościowch. Dodatkowo przpadek dskretnego rozkładu wników jest łatwiejsz i bardziej intuicjn w interpretacji, bowiem można go stosować zawsze, analizując wniki badań empircznch. Ponadto, zdejmuje on z autora artkułu konieczność wprowadzenia matematcznej operacji całkowania funkcji. Metodologia mierzenia nierówności społecznch oparta jest na całm szeregu warunków (orginalnie w wielu publikacjach nazwanch aksjomatami nierówności (por. McKinle 1989: )) nakładanch na mierniki nierówności. Krteria te wnikają przede wszstkim z teoretcznch koncepcji badania społecznch nierówności, jak i wmogów empircznch, na przkład konieczności uchwcenia przez wskaźnik nierówności każdej zmian w dstrbucji dochodu (lub innego dobra) w całej populacji. Klasczn kanon obejmuje czter krteria ewaluacji miar nierówności społecznch. Pierwszm jest tzw. warunek transferu dobra według Pigou Daltona (org. The Pigou-Dalton Transfer Principle), któr oznacza, że wartość miar nierówności społecznej powinna wzrastać (lub w słabszm krterium prznajmniej nie maleć) w każdm przpadku transferu dochodu (lub innego dobra) od osob mniej do osob bardziej zamożnej. Analogicznie wartość miar nierówności społecznej powinna maleć (lub w słabszm krterium prznajmniej nie wzrastać) w każdm przpadku wrównania dochodu, czli zmniejszenia dsproporcji pomiędz osobą bardziej oraz mniej zamożną (por. McKinle 1989: ). Ogólnie rzecz ujmując, wraz z rzeczwistm wzrostem (spadkiem) nierówności wartość wskaźnika powinna bć coraz większa (mniejsza). Oznacza to, że wskaźnik jest w stanie wkrć rzeczwiste zmian w nierównościach społecznch. Warunek ten został orginalnie włożon w 1912 roku przez A.F. Pigou oraz niezależnie w roku 1920 przez H. Daltona, a u jego podstaw legło przekonanie, że każd transfer dochodu wrównując poziom zarobków w populacji (np. na zasadzie redstrbucji dochodów, pomoc socjalnej itd.) redukować będzie społeczne nierówności (por. Cowell 2000: 55). Zapisując powższe rozważania w jęzku formalnm, można powiedzieć, że miara społecznej nierówności Imiara spełnia dla dowolnego wektora dochodu (dobra) [ 1, 2,..., ] T warunek transferu Pigou Daltona, (1) jeżeli dla dowolnego przekształcenia ` [ 1, 2,...,,...,,..., ] T j i wektora (prz założeniu, że j i oraz 0; j ), spełniona jest nierówność I I. miara miara ` Drugim krterium, jaki spełniać powinien wskaźnik nierówności społecznch, jest tzw. warunek niezależności od skali pomiaru (Income Scale Independence). Oznacza on, że wartość miar nierówności społecznej nie powinna ulec zmianie,

3 28 Piotr Jabkowski jeżeli zmieniona zostaje jednostka (skala) pomiaru danego dobra, a w ogólności gd poziom badanego dobra zostaje zwiększon lub zwielokrotnion o pewną stałą wartość. F. Cowell argumentuje, jeżeli każd jednostkow dochód zostaje zwiększon w takiej samej proporcji lub o taką samą wielkość, to nie ma żadnch podstaw, b twierdzić, iż poziom nierówności społecznej uległ jakiejkolwiek istotnej zmianie i stąd właśnie miara nierówności społecznej nie powinna wkazwać różnic (por. Cowell 2000: 56). Choć wszstkie z omówionch miar nierówności spełniają tę własność, to omawiane krterium jest jednm z ważniejszch dla jakościowej ewaluacji miar nierówności. Z tej właśnie perspektw powszechnie stosowana w opisie wników pomiaru miara zmienności wariancja nie jest dobrą miarą społecznej nierówności, gdż wartość wariancji spełniającej równanie T ( 2 ) T Var Var, zależ na przkład od jednostki walut, w której wrażam dochód. Tak więc dla tego samego rozkładu dochodu w populacji otrzmam inną wartość wariancji, gd dochód mierzon będzie na przkład w walucie, a inną gd wrażan będzie w walucie $. Stąd właśnie miara wariancji nie może bć bez niezbędnch modfikacji stosowana do mierzenia nierówności społecznej (por. Allison 1978: 866). W jęzku formalnm można zatem powiedzieć, że miara społecznej nierówności Imiara spełnia dla dowolnego wektora dochodu (dobra) [ 1, 2,..., ] T, warunek niezależności od skali pomiarowej, T (2) jeżeli dla każdego przekształcenia ` [ 1, 2,..., ] wektora I I. (gdzie λ R) spełnion jest warunek miara miara ` W literaturze można znaleźć również inną wersję tego warunku, która przjmuje postać mówiącą o tm, że miara społecznej nierówności Imiara spełnia dla dowolnego wektora dochodu (dobra) [ 1, 2,..., ] T warunek niezależności od skali pomiarowej, (3) jeżeli dla każdego przekształcenia ` 1 2 [ 112, 12 2,..., 1 2 ]T wektora (gdzie λ 1 ; λ 2 R) spełnion jest warunek Imiara Imiara ` (por. Litchfield 1999: 3). Trzeci warunek, niezależności od wielkości populacji (Principle of Population), został podan przez H. Daltona. Dotcz on tego, że wartość miar powinna bć nieczuła na procedurę k-krotnej replikacji wszstkich wartości dochodu. Istotn jest fakt, jeżeli mierz się poziom nierówności społecznej w populacji obejmującej jednostek, do której dołącz się kolejnch jednostek o jednakowm rozkładzie badanego dobra, otrzmując populację składającą się z 2 jednostek, to poziom nierówności społecznej nie ulegnie zmianie (por. Cowell 2000: 56). W ogólnm T T

4 Miar nierówności społecznch podstaw metodologiczne 29 przpadku dowolna k-krotna replikacja danego rozkładu dobra nie może zmienić wartości miar nierówności społecznej. Można zatem powiedzieć, że miara nierówności społecznej Imiara spełnia dla dowolnego wektora dochodu (dobra) [,,..., ] T warunek niezależności od wielkości populacji: 1 2 (4) jeżeli dla każdego przekształcenia ` [ 1,..., 1,...,,..., ] T, powstałego poprzez dowolną k-krotną (k ) replikację wszstkich wartości wektora, I I. spełnion jest warunek miara miara ` Warunek niezależności od wielkości populacji spełniają wszstkie opisane miar nierówności. Pojawia się jednak pewien problem, któr każe zastanowić się, cz spełnienie tego warunku jest rzeczwiście tak bardzo pożądane (por. Cowell 2000: 56-57). Dla przkładu, gd pod uwagę weźmie się populację składającą się z dwóch osób, z którch jedna nie posiada żadnego dochodu, a druga ma cał dochód w populacji (skrajn przpadek nierówności) i dokona się replikacji wielkości populacji zgodnie z zasadami opisanmi powżej, otrzmując populację składającą się z czterech osób, z którch dwie nie mają dochodu, a dwie posiadają po 50% dochodu całej populacji, to sprawą podlegającą dskusji jest, cz w populacjach tch poziom nierówności jest rzeczwiście jednakow. Czwartm wmogiem nałożonm na miarę nierówności jest tzw. warunek dekompozcji (Decomposabilit), któr mówi o tm, że ogólna wartość współcznnika nierówności społecznej w całej populacji powinna bć skorelowana z wartościami współcznników nierówności dla dowolnie wodrębnionch podgrup w populacji. Dla przkładu, jeżeli w każdej podgrupie populacji (np. kategoriach wiekowch) malał poziom nierówności rozkładu danego dobra, to ogólna wartość wskaźnika nierówności powinna również wskazwać na spadek nierówności rozkładu tego dobra w całej populacji. W ogólnm przpadku warunek dekompozcji jest spełnion, gd miarę zależności można rozpisać jako funkcję miar zależności międzgrupowej (between) oraz miar zależności wewnątrzgrupowej (within). Formalnie rzecz ujmując, mocna wersja tego warunku sformułowana przez F. Cowella oraz S. Jenkinsa (por. 1995: ) wmaga, b dla k-grup porównawczch spełnione bło równanie: (5) k between within( j) miara miara miara j 1 I I I. Zakładając równość (5) oraz stwierdzając, że miara nierówności międzgrupowej nie zależ od miar (struktur) nierówności wewnątrzgrupowej, można wkorzstać własność wariancji sum niezależnch zmiennch losowch (por. Krzśko 1997: 171), otrzmując z równania (5) następując wzór: k k between within( j) between within( j) (6) Var Imiara Var Imiara Imiara Var Imiara Var Imiara. j 1 j 1

5 30 Piotr Jabkowski Zauważć można teraz, że miara nierówności społecznej spełniająca powższ warunek dekompozcji ma bardzo użteczną cechę: pozwala wnioskować, w jakiej części dana kategoria populacji jest odpowiedzialna za ogóln (całkowit) poziom nierówności społecznej oraz jaka część poziomu ogólnej nierówności w całej populacji wtwarzana jest dzięki zróżnicowaniom międzgrupowm, a jaka w wniku zróżnicowań wewnątrzgrupowch. Konsekwencją równania (5) oraz (6) jest jednak, że posiadając informacje jednie na pewnm poziomie uogólnienia, na przkład w statstce publicznej dane na poziomie gmin lub powiatu (nie zaś na poziomie jednostkowm w populacji), nie można wjaśnić całkowitej zmienności badanej nierówności społecznej w ogóle populacji. Można wnioskować jednie o zmienności międzgrupowej (międz gminami, międz powiatami itd.), ale nie o zróżnicowaniu wewnątrzgrupowm. Badacz jest więc w stanie wjaśnić jednie pewien określon procent zmienności / 100%, ale jednocześnie (1 x) 100% zmienności badanej nierówności pozostanie zawsze niewjaśniona. Jako przkład powższch rozważań przedstawię analiz nierówności społecznch prowadzone dla populacji Polski, z którch wnika, że prz analizie jednie międzgrupowego zróżnicowania nierówności w dstrbucji dochodu odsetek całości wjaśnionej wariancji może bć niewielki (por. Paci, Sasin, Verbeek 2004: 7). Autorz raportu przemian ekonomiczne w okresie transformacji ustrojowej po roku 1989 prześledzili wartości wskaźników nierówności Theila dla 16 polskich województw (w ramach którch wodrębniono dodatkowo po sześć obszarów ze względu na liczbę ludności, łącznie uzskując 96 grup porównawczch) i doszli do wniosku, że zróżnicowanie międzgrupowe wjaśnia w najlepszm przpadku 13% całkowitej zmienności (tab. 1). a przkład wskaźnik nierówności Theila dla całości populacji, ustalon na podstawie reprezentatwnego badania budżetów gospodarstw domowch, w 2004 roku osiągnął wartość 0,120, natomiast wskaźnik nierówności w rozkładzie dochodu pomiędz wodrębnionmi obszarami jednie 0,014. Zatem, na podstawie uogólnionch średnich wartości dochodu gospodarstw domowch w 96 obszarach udało się przewidzieć jednie 11,6% zmienności nierówności dla ogółu populacji, a prawie 89% zmienności pozostało niewjaśnionch. between interesującego go zjawiska x Imiara Imiara Tabela 1. Dekompozcja wskaźnika nierówności Theila Lata Wartość wskaźnika Theila Dekompozcja 0,100 0,095 0,097 0,107 0,110 0,114 0,120 0,120 Wewnątrz 96 grup 0,092 0,087 0,089 0,097 0,097 0,100 0,104 0,.106 Pomiędz 96 grupami 0,008 0,008 0,008 0,010 0,013 0,014 0,016 0,014 Wjaśniona zmienność 7,9% 8,3% 8,1% 9,4% 11,5% 12,5% 13,0% 11,6% Źródło: Paci, Sasin, Verbeek 2004: 7.

6 Miar nierówności społecznch podstaw metodologiczne 31 T. Hale dość dokładnie analizuje właściwości wskaźnika Theila w kontekście warunku dekompozcji (por. Hale: 12), stwierdzając, że wartość wskaźnika Theila będzie maleć (lub w najlepszm przpadku pozostanie bez zmian) wraz ze wzrostem agregacji. Podobne wnioski, w odniesieniu jednak do wskaźnika Giniego, można znaleźć w prac T.F. Liao (por. 2004: ). Analizując społeczne nierówności w dstrbucji dochodu we Francji i na Węgrzech w roku 1990, autor dokonuje dekompozcji wartości wskaźnika Giniego, dzieląc je na zróżnicowanie międzi wewnątrzgrupowe (kategorie porównawcze wodrębnione został na podstawie grup declowch). Analiz T.F. Liao wskazują, że zróżnicowanie międzgrupowe wjaśniało 10,5% zmienności nierówności w dstrbucji dochodu na Węgrzech i nieco ponad 29% zmienności nierówności we Francji. Tabela 2. Dekompozcja wskaźnika nierówności Giniego Dekompozcja Wartość Wjaśniona współcznnika Giniego zróżnicowanie zróżnicowanie zmienność wewnątrzgrupowe międzgrupowe Francja 0,322 0,228 0,094 29,1% Węgr 0,370 0,331 0,039 10,5% Źródło: Liao 2004: 220. Warto jednak pamiętać, że poprzez zwiększanie liczb podziałów populacji można wjaśniać coraz większą zmienność nierówności społecznej na poziomie jednostkowm, choć bez wiedz o wartości miar nierówności dla całej populacji nie można ocenić, jaką wielkość zmienności udało się na danm poziomie uogólnienia wjaśnić. Obrazowo można zapisać to w postaci następującej przkładowej nierówności: (7) between between between Imiara Igm. Ipow. Iwoj., itd., która oznacza, że agregując dane (np. z populacji przechodząc na poziom gmin, następnie powiatów, województwa itd.), wartość miar nierówności międzgrupowej będzie jednie dolnm oszacowaniem miar nierówności całkowitej. J. Litchfield wskazuje z kolei, że możliwość dekompozcji miar nierówności jest też pożądana z innch powodów niż tlko tch wnikającch z faktu agregacji poziomu analiz danch. Dla przkładu, gd całkowit dochód badanej jednostki uzskiwan jest z więcej niż jednego źródła, tj. ze stosunku prac, inwestowanego kapitału itd., wówczas użteczną właściwością miar nierówności społecznej błab możliwość przedstawienia całkowitej wartości miar nierówności jako sum miar nierówności rozkładu dochodu pochodzącego z k-różnch źródeł dochodu (por. Litchfield 1999: 9-10). Warunek ten błb zatem spełnion, gdb zachodziła równość:

7 32 Piotr Jabkowski (8) Imiara k j 1 S, gdzie S j jest miarą nierówności w rozkładzie dochodu pochodzącego z j-tego źródła. j Analiz wkorzstujące dekompozcję wskaźnika Giniego dla różnch źródeł dochodu przeprowadzili międz innmi T.I. Garner oraz K. Terrell (por. 1998: 23-46), porównując nierówności płacowe w Czechach i na Słowacji w okresie transformacji ustrojowej po aksamitnej rewolucji w 1989 roku. Operacja dekompozcji miar nierówności dla różnch źródeł dochodu jest jednak o wiele bardziej skomplikowana niż dekompozcja wewnątrzgrupowa i międzgrupowa. ależ bowiem uwzględnić fakt, że nie wszstkie jednostki w populacji będą posiadał zasob dochodu z danego źródła oraz iż niektóre źródła dochodu będą bardziej, a inne mniej wpłwał na poziom społecznej nierówności. Ogólnie w metodologii badania nierówności społecznch przjmuje się, że wpłw danego źródła dochodu na całkowit poziom nierówności społecznej w dstrbucji dochodu określić można jako proporcję: (9) s j I S j miara, gdzie j {1, 2,..., k} oraz s j 1. k j 1 Proporcja ta wnika z zastosowania własności wariancji niezależnch zmiennch losowch, tak jak w przpadku wprowadzania równania (6). DEFIICJE WYBRAYCH MIAR IERÓWOŚCI SPOŁECZYCH I ICH OCEA A PODSTAWIE PRZEDSTAWIOYCH KRYTERIÓW EWALUACJI Pozcjne miar nierówności społecznch Cała klasa miar nierówności społecznch bazująca na statstkach pozcjnch (czli miejscach, jaką dane wartości zajmują w uszeregowanm zbiorze danch) opiera się na zasadzie porównwania pewnch charakterstcznch części (punktów) rozkładu danch z górnej oraz dolnej części takiego uporządkowanego zbioru wników. Definiowanie miar nierówności opiera się na prostej obserwacji, że dla rozkładów idealnie równomiernch wartości statstk pozcjnch będą sobie równe, a im większ poziom nierówności w dstrbucji danego dobra w całej populacji, tm wartości statstk pozcjnch z górnej części rozkładu danch będą bardziej oddalone od wartości statstk z dolnej części rozkładu. Wskaźniki nierówności, którch budowę oparto na takich zasadach, mogą bć określane dla dowolnch

8 Miar nierówności społecznch podstaw metodologiczne 33 punktów rozkładu danch (kwartli, kwantli, decli, percentli itd.) oraz wkorzstwane do opisu nierówności rozkładu dowolnego mierzalnego dobra w dowolnej populacji. Zanim podam definicje oraz sposob interpretacji miar społecznch nierówności opartch na statstkach pozcjnch, zbiór wartości badanego dobra zapiszę jako [ (1) ; T (2);...; ( )], gdzie jest wielkością badanej populacji, a kolejne wartości uporządkowane są niemalejąco, tzn. (1) (2) (). Gd. mówię o porównwaniu górnej oraz dolnej części rozkładu danch, na przkład pierwszego kwartla i kwartla trzeciego (oznaczanch w artkule jako (75%) oraz (25%) ), to mam na mśli takie wartości badanego dobra (np. dochodu), dla którch dokładnie 25% całości populacji posiada dochód poniżej wartości kwartla pierwszego i analogicznie 75% całości populacji ma dochód poniżej wartości kwartla trzeciego (rc. 1). 25% 25% 25% 25% wartość minimalna (1) (25%) (50%) (75%) wartość maksmalna () Rc. 1. Podział zbioru danch na kwartle W przpadku idealnie równomiernego rozkładu danego dobra w całej populacji, tj. gd każda jednostka posiada w populacji taki sam zasób badanego dobra, wartość dolnej oraz górnej części rozkładu danch będzie jednakowa. Z kolei im bardziej nierównomiern rozkład wartości badanego dobra, tm różnica pomiędz wartością kwartla dolnego i górnego będzie większa. W literaturze spotkać można całą grupę wskaźników definiowanch na takich właśnie zasadach, które przjmują postać: (10) dla percentli: I miara ( ) (95%) / (5%), gdzie (95%) oraz (5%) oznaczają wartości odpowiednio 95. oraz 5. percentla; (11) dla decli: I miara ( ) (90%) / (10%), gdzie (90%) oraz (10%) oznaczają wartości odpowiednio 9. oraz 1. decla; (12) dla kwantli: I miara ( ) (80%) / (20%), gdzie (80%) oraz (20%) oznaczają wartości odpowiednio 4. oraz 1. kwantla; (13) dla kwartli: I miara ( ) (75%) / (25%), gdzie (75%) oraz (25%) oznaczają wartości odpowiednio 3. oraz 1. kwartla.

9 34 Piotr Jabkowski Wszstkie miar społecznch nierówności wznaczane jako proporcje określone w równaniach od (10) do (13) osiągają minimalną wartość równą 1 (jest to przpadek idealnie równomiernego rozkładu, zatem przpadek braku społecznch nierówności). Wzrost wartości tak oznaczonch miar świadcz o coraz większch rozmiarach nierówności, a maksmalna wartość, jaką miara taka może przjąć, jest nieograniczona (tak będzie, gd dla równań (10) (13) odpowiednio: 5%, 10%, 20% oraz 25% populacji nie będzie posiadać żadnego zasobu badanego dobra). Prz niewielkiej modfikacji wzorów (10) (13) można zdefiniować miar nierówności tak, b przjmował wartości jednie z przedziału [0; 1], pozostawiając jednocześnie zasadę, iż większa wartość oznacza większą nierówność społeczną. Miar nierówności musiałb wted zostać zdefiniowane w następującej postaci: (14) dla percentli: I miara ( ) (95%) (5%), ( ) (95%) (15) dla decli: I miara ( ) (90%) (10%), ( ) (90%) (16) dla kwantli: I miara ( ) (80%) (20%), ( ) (80%) (17) dla kwartli: I miara ( ) (75%) (25%). ( ) (75%) Rozważając wad i zalet miar społecznch nierówności zdefiniowanch na podstawie włożonej zasad, należ mieć na uwadze kilka względów. Po pierwsze, niewątpliwą zaletą tch miar jest ich przejrzstość, prosta interpretacja i sposób obliczania wartości. Ponadto miar te spełniają trz krteria ewaluacji, tj. słabą wersję warunku transferu dobra według Pigou Daltona (prz transferze dobra będą miał tendencję do wkazwania, że nie nastąpiła zmiana), warunek niezależności od skali pomiaru oraz warunek niezależności od wielkości populacji, nie dając zadość jednie warunkowi dekompozcji. Jednakże główn i najbardziej poważn zarzut, jaki można sformułować, polega na tm, że miar te wkorzstują jednie dwa określone punkt rozkładu danch, odrzucając większość informacji o poziomie zróżnicowania nierówności powżej, poniżej oraz pomiędz ustalonmi punktami rozkładu danch. Stąd wnika ich główne ograniczenie i stosunkowo rzadkie wkorzstwanie w badaniu oraz opisie społecznch nierówności. Innm przkładem miar społecznej nierówności, której budowę oparto na zasadzie porównwania określonch części rozkładu danch, jest tzw. Indeks McLoone`a, któr sprawdza, jaka część całości danego dobra (np. dochodu) ulo-

10 Miar nierówności społecznch podstaw metodologiczne 35 kowana jest w górnej połowie całej populacji, innmi słow jaka część danego dobra skoncentrowana jest powżej wartości median. Wartość współcznnika McLoone`a obliczana jest jako iloraz sum wartości wszstkich obserwacji powżej wartości median i ilocznu liczb obserwacji poniżej median oraz wartości samej median. Współcznnik ten definiuje się dla dwóch przpadków. Pierwszego, gd wielkość populacji jest liczba parzstą, wted: (18) I McLoone`a ( ) 4 i 1 2 () i ( ) ( 1) 2 2 oraz drugiego, gd wielkość populacji jest liczbą nieparzstą, wówczas: (19) I McLoone`a 2 3 i 2 () i ( ). ( 1) 1 ( ) 2 Różnice we wzorach (18) i (19) wnikają z odmiennego sposobu wznaczania wartości median dla parzstej oraz nieparzstej liczb obserwacji. Indeks McLonne`a, podobnie jak wskaźniki nierówności społecznch określone w równaniach (10) (13) oraz (14) (17), spełnia słabą wersje warunku transferu dobra Pigou Daltona, warunek niezależności od skali pomiaru oraz niezależności od wielkości populacji, jednocześnie nie spełniając warunku dekompozcji. W odróżnieniu jednak od poprzednio zdefiniowanch miar indeks ten wkorzstuje znacznie większą część informacji o rozkładzie badanego dobra, pokazując jego skoncentrowanie w obrębie 50% populacji powżej wartości median. Współcznnik Giniego ajbardziej znaną miarą nierówności społecznej jest współcznnik Giniego, zdefiniowan w 1912 roku i wkorzstwan orginalnie do badania dsproporcji w dstrbucji dochodu w populacji. Współcznnik ten ma prostą i intuicjną interpretację graficzną, bowiem w geometrcznm sensie miara Giniego oznacza stosunek wielkości obszaru znajdującego się pomiędz prostą reprezentującą rozkład idealnie równomiern a krzwą Lorenza do całego obszaru pod prostą prezentującą rozkład idealnie równomiern.

11 36 Piotr Jabkowski Można dodać, że krzwa Lorenza powstaje poprzez umieszczenie w układzie współrzędnch skumulowanch wartości dochodu dla uporządkowanego zbioru T danch [ (1) ; (2);...; ( )] (gdzie (1) (2) () ) oraz odpowiadającego mu skumulowanego odsetka wielkości populacji. Krzwa Lorenza umożliwia zatem analizę struktur rozkładu badanego dobra w populacji i formułowanie wniosków na zasadzie, że na przkład 50% populacji o najniższch dochodach posiada 30% całej wartości danego dobra lub: 10% osób najlepiej zarabiającch gromadzi 25% dochodów całej populacji, itp. 1,0 0,8 Skumulowana wartość dochodu 0,6 0,4 Linia idealnej równości Krzwa Lorenza 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 Skumulowana liczebność populacji Rc. 2. Graficzna interpretacja współcznnika Giniego W przpadku idealnie równomiernego rozkładu danego dobra w całej populacji, tj. gd każda jednostka ma taki sam zasób badanego dobra, krzwa Lorenza pokrwa się z prostą rozkładu idealnie równomiernego, a wartość współcznnika Giniego jest równa 0. atomiast dla skrajnego przpadku nierówności, tzn. gd cał zasób dobra w populacji skupia jedna jednostka, wartość współcznnika Giniego jest równa 1. W literaturze spotkać można cał szereg sposobów analitcznego ujmowania i definiowania wartości współcznnika Giniego zarówno dla rozkładów dskretnch, jak i ciągłch (por.: Jasso 1979: ; Gastwirth 1972: ). Poniżej podaję jeden z nich, zaproponowan w 1997 roku przez C. Daguma, któr ma tę zasadniczą przewagę nad innmi, że umożliwia dekompozcję wartości na zróżnicowanie wewnątrz- i międzgrupowe. Daje zatem zadość czwartemu krterium ewaluacji, ale tlko połowicznie, o czm będzie mowa w dalszej części artkułu.

12 Miar nierówności społecznch podstaw metodologiczne 37 Współcznnik Giniego definiuje się następująco: i 1i`1 i i` (20) G ( ), gdzie [ 2 1, 2,..., ] T oznacza dowoln zbiór danch, 2Y wielkość populacji, i oraz i wartość zasobu danego dobra będącego w posiadaniu i-tej oraz i`-tej jednostki, natomiast Y i średnią wartość 1 dla i 1 wszstkich jednostek w populacji (por. Liao 2004: ). Wskaźnik Giniego, zdefiniowan zgodnie ze wzorem (20), jest w analitcznm sensie przeciętną bezwzględnch różnic pomiędz każdą parą obserwacji. Miara ta spełnia mocne krterium transferu dobra Pigou Daltona, niezależność od wielkości populacji oraz skali pomiaru, a także słabą wersję warunku dekompozcji. Spełnienie słabego warunku dekompozcji oznacza, że istnieje możliwość odpowiedzi na ogólne ptanie, jaka część nierówności wtwarzana jest w obrębie grup porównawczch, a jaka jest wnikiem zróżnicowania międzgrupowego. Jednocześnie nie można odpowiedzieć na ptanie szczegółowe: W jakiej części dana podgrupa generuje ogóln poziom społecznch nierówności? a przkład, gdb należało ocenić poziom nierówności w dstrbucji dochodu ze względu na kategorie wkształcenia ludności, to dekompozcja współcznnika Giniego oparta na wzorach (21) i (22) pozwoliłab na formowanie wniosków na zasadzie: [...] nierówności w dstrbucji dochodu w obrębie wodrębnionch kategorii wkształcenia generują 80% ogólnego poziomu nierówności, jednocześnie 20% nierówności da się przpisać zróżnicowaniom międzgrupowm. ie można już postawić tez: [...] nierówności w dstrbucji dochodu w obrębie osób z wkształceniem wższm generują 10% ogółu nierówności, z wkształceniem średnim 15% ogółu nierówności,..., natomiast 20% nierówności da się przpisać zróżnicowaniom międzgrupowm. Zanim podam dokładn wzór na dekompozcję współcznnika Giniego, konieczne jest wprowadzenie dodatkowch oznaczeń i smboli. Zakładam, że dokonuję rozbicia populacji na k kategorii, w obrębie którch znajduje się n 1, n 2,..., n k jednostek (całkowita wielkość populacji równa jest = n 1 + n n k ), wówczas przez Y oznaczać będę średnią wartość danego dobra w j-tej kategorii j {1, 2,..., k}, j a przez Y średnią wartość dla całej populacji, która może bć obliczona dla danch jednostkowch (wówczas Y 1 i i 1 ) lub dla danch zagregowanch do poziomu 1 k j j j 1 j-tej grup (wówczas Y n Y ).

13 38 Piotr Jabkowski Dekompozcja wskaźnika Giniego wgląda wted następująco (por. Liao 2004: ): ob- between within( j ) (21) G( ) G G, gdzie wartość współcznnika Giniego G within( j ) licza się, stosując następując wzór: (22) G within( j), natomiast wartość zróżnicowań międzgrupowch k n n j j i 1i`1 2 j 1 2Y i i` between G wznacza się ze wzoru: (23) G between k j j` k1 i 1i`1 j 2 j`1 n n i 2 Y i`. Przkład zastosowań dekompozcji wskaźnika Giniego można znaleźć międz innmi w opracowaniach T.F. Liao (2004: ) oraz Garnera i Terrella (1998: 23-46). Indeks Theila Przkładem innej powszechnie stosowanej miar społecznej nierówności jest współcznnik Theila. Wskaźnik ten nie ma już wprawdzie tak prostej interpretacji geometrcznej i graficznej jak współcznnik Giniego, lecz jego szerokie zastosowanie bierze się z jednej zasadniczej przewagi nad współcznnikiem Giniego pozwala on bowiem dokładnie oszacować, jaka część nierówności wgenerowana jest przez nierówności wewnątrz grup porównawczch, a jaka w wniku nierówności międzgrupowch spełnia zatem mocne krterium dekompozcji. Indeks Theila w literaturze metodologicznej zalicza się do klas wskaźników tzw. uogólnionej entropii (Generalized Entrop) (por. Lichfield 1999: 3), a analitczna definicja współcznnika Theila dla dowolnego zbioru [ 1, 2,..., ] T danego dobra przedstawia się następująco (por. Allison 1978: 867): 1 i i (24) T( ) ln, gdzie oznacza wielkość populacji, i 1 Y Y i wartość zasobu 1 danego dobra będącego w posiadaniu i-tej jednostki, natomiast Y i średnią wartość dla wszstkich jednostek w populacji. i 1 W przpadku całkowitego zrównoważenia rozkładu badanego dobra współcznnik Theila przjmuje wartość 0, natomiast dla przpadku skrajnej nierówności

14 Miar nierówności społecznch podstaw metodologiczne 39 (gd jedna osoba posiada całą wartość danego dobra w populacji) współcznnik Theila przjmuje maksmalną wartość równą wartości logartmu naturalnego z liczb jednostek w populacji (tj. ln). Zatem, wskaźnik Theila spełnia mocne krterium dekompozcji, co oznacza możliwość dodawania składowch nierówności w obrębie poszczególnch grup oraz nierówności pochodzącej z różnic pomiędz tmi grupami. Współcznnik Theila można zatem rozpisać jako: ny within( j) T( ) T T, gdzie wartość współcznnika Theila T j 1 Y dla każdej z k grup oblicza się, stosując wzór podan w równaniu (24), natomiast between wartość zróżnicowań międzgrupowch T wznacza się ze wzoru: k between j j within( j) (25) (26) between T k ny j j Yj ln. Y Y j 1 Minimalna wartość zróżnicowań międzgrupowch wnosi 0 i oznacza, że średnie wartości zasobu badanego dobra są w każdej z k grup jednakowe, natomiast maksmalna wartość zróżnicowań międzgrupowch wnosi ln min{ n1, n2,..., n k} i osiągana jest, gd najmniej liczna podgrupa w populacji posiada całą wartość zasobu danego dobra (przpadek skrajnej nierówności międzgrupowej). O możliwościach i ograniczeniach, jakie wnikają z dekompozcja wskaźnika Theila, bła mowa prz okazji opisu samej idei dekompozcji. Więcej o wkorzstaniu tej własności można przecztać międz innmi w: Beck (1991: ), Beblo, Knaus (2001: ) oraz Conceicaio, Ferreira (2000: 1-54). ZAKOŃCZEIE W artkule zdefiniowałem najczęściej wkorzstwane w badaniach nad nierównościami społecznmi miar tch nierówności oraz poddałem je metodologicznej ocenie, opierając się na czterech głównch krteriach ewaluacji, tj. warunków: transferu dobra Pigou Daltona, niezależności od skali pomiaru, niezależności od wielkości populacji oraz warunek dekompozcji. W tabeli 3 zestawiam wszstkie opisane miar wraz z krteriami ich ocen. Wbór określonej miar nierówności społecznej powinien bć w zasadzie poprzedzon nie tlko gruntowną metodologiczną analizą możliwości i ograniczeń stosowania każdej z miar, ale również uwarunkowan poziomem szczegółowości danch, jakimi badacz dsponuje w toku prowadzonch analiz, oraz tpem wnios-

15 40 Piotr Jabkowski ków, jakie zamierza na podstawie tch danch sformułować. Podsumowując zatem problematkę podjętą w artkule, postaram się raz jeszcze w sposób sntetczn pokazać, jakie konsekwencje ma dla interpretacji danch stosowanie każdej ze zdefiniowanch miar. Tabela 3. Zbiorcza ocena miar nierówności społecznch oparta na krteriach ewaluacji Miara nierówności Warunek transferu dobra iezależność od skali pomiaru iezależność od wielkości populacji Dekompozcja Miar pozcjne tak, słaba wersja tak tak nie Indeks McLoone`a tak, słaba wersja tak tak nie Współcznnik Giniego tak, mocna wersja tak tak tak, słaba wersja Współcznnik Theila tak, mocna wersja tak tak tak, mocna wersja Po pierwsze, w stuacji gd badacz dsponuje dokładnm pomiarem dla poszczególnch jednostek, uzskanm bądź w wniku badań pełnch, bądź w wniku reprezentatwnch badań sondażowch, należałob rozważć wbór pomiędz współcznnikiem Giniego a wskaźnikiem Theila. Współcznnik Giniego to klasczn, dobrze znan i posiadając przejrzstą interpretację graficzną miernik nierówności. Wskaźnik Theila umożliwia natomiast dokładną ocenę tego, w jakim stopniu poziom nierówności w każdej wodrębnionej kategorii statstcznej generuje poziom nierówności ogółem. Z przeglądu literatur metodologicznej i empircznej poświęconej społecznm i ekonomicznm nierównościom wnika, że wskaźnik Giniego wbierano znacznie częściej, gd zachodziła konieczność opisu ogólnego poziomu nierówności w wbranej populacji w określonm czasie, konieczność monitorowania zmian w ogólnm poziomie nierówności w kolejnch latach oraz porównwania ogólnego poziomu nierówności w ujęciu międzkrajowm. Wskaźnik Theila zskiwał z kolei szczególne uznanie, gd zachodziła konieczność wkorzstania własności addtwnej dekompozcji, czli kied w obrębie wbranej populacji badacz interesowało to, jak nierówności wewnątrzgrupowe wpłwają na ogóln poziom nierówności w populacji. Popularność miar pozcjnch bierze się natomiast z faktu ich prostot i stosunkowo małch wmagań, jeżeli chodzi o poziom szczegółowości danch. Jednakże z uwagi na ograniczenia metodologiczne mierniki pozcjne mogą służć jednie jako miar dodatkowe, pomocnicze i uzupełniające analizę danch oraz ich interpretację opartą na innch bardziej zaawansowanch miernikach. Widzę jednak jedno szczególne zastosowanie miar pozcjnch, a dotcz ono stuacji, w której badacz nie dsponuje dokładnmi jednostkowmi wnikami pomiaru, ale danmi statstcznmi zagregowanmi na przkład do poziomu grup declowch (tj. ma informację o tm, jaką wartość dochodu osiąga pierwsze 10, 20,, 90% całej populacji). Taki poziom agregacji danch, spotkan często

16 Miar nierówności społecznch podstaw metodologiczne 41 w sprawozdawczości statstcznej, nie pozwala na wkorzstanie współcznnika Giniego lub współcznnika Theila. Można b wprawdzie wkorzstać warunek dekompozcji obu tch wskaźników i obliczć poziom nierówności międzgrupowch, ale i tak błob to jednie mniej lub bardziej dokładne oszacowanie nierówności ogółem wkorzstanie wskaźnika Giniego lub Theila w takiej stuacji mija się zatem z celem. Dlatego prz szczególnm poziomie agregacji danch, jakim są grup declowe, wkorzstanie mierników pozcjnch jest jak najbardziej pożądane. L ITERATURA Allison P.D., Measures of Inequalit, American Sociological Review, Vol. 43, o. 6, Beblo M., Knaus T., Measuring Income Inequalit in Euroland, Review of Income and Wealth, Series 47, o. 3, Beck S.H., The Decomposition of Inequalit b Class and Occupation, The Sociological Quarterl, Vol. 31, o. 1, Conceicaio P., Ferreira P., The Young Person s to the Thiel Index: Suggesting Intuitive Interpretations and Exploring Analtical Applications, UTIP Working Paper, o. 14. Cowell F.A., Measuring Inequalit, LSE Economic Series, Oxford Universit Press. Web Site: Cowell F.A., Jenkins S., How Much Inequalit can we Explain? A Methodolog and an Application to the USA, The Economic Journal, Vol. 105, Garner T.I., Terrell K., A Gini decomposition analsis of inequalit in the Czech and Slovak Republics during the transition, Economics of Transition, Vol. 6, o. 1, Gatstwirth J.L., The Estimation of the Lorenz Curve and Gini Index, The Review of Economic and Statistics, Vol. 54, o. 3, Hale T. The Theoretical Basics of Popular Inequalit Measures, Universit of Texas Inequalit Project, Web Site: Jasso G., On Gini`s Means Differences and Gini`s Index of Concentration, American Sociological Review, Vol. 44, o. 5, Krzśko M., Wkład z teorii prawdopodobieństwa, Poznań: Wd. auk. UAM. Liao T.F., Measuring and Analzing Class Inequalit with The Gini Index Informed b Model- Based Clustering, American Sociological Association Methodolog Conference, Ann Arbor Minnesota April Litchfield J.A., Inequalit: Methods and Tools, World Bank s Web Site: org/povert/inequal/index.htm McKinle L.B., Povert Measurement: An Index Related to a Theil Measure of Inequalit, Journal of Business & Economic Statistics, Vol. 7, o. 4, Paci P., Sasin M., Verbeek J., Economic Growth, Income Distribution and Povert in Poland During Transition, World Bank Polic Research Working Paper, Xu K., How Has the Literature on Gini`s Index Evolved in the Past 80 Years?, Halifax, ova Scotia: Department of Economic Dalhousie Universit.

25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx

25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx 5. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU 5.1. Pojęcia wstępne. Klasfikacja równań i rozwiązań Rozróżniam dwa zasadnicze tp równań różniczkowch: równania różniczkowe zwczajne i równania różniczkowe cząstkowe.

Bardziej szczegółowo

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych Ekonomia matematczna II Ekonomia matematczna II Prowadząc ćwiczenia Programowanie nieliniowe optmalizacja unkcji wielu zmiennch Modele programowania liniowego często okazują się niewstarczające w modelowaniu

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 Równania różniczkowe liniowe Metoda przewidwań Metoda przewidwań całkowania równania niejednorodnego ' p( x) opiera się na następującm twierdzeniu. Twierdzenie f ( x) Suma

Bardziej szczegółowo

Równania różniczkowe cząstkowe

Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe Definicja: Równaniem różniczkowm cząstkowm nazwam takie równanie różniczkowe w którm wstępuje co najmniej jedna pochodna cząstkowa niewiadomej funkcji dwóch lub więcej zmiennch

Bardziej szczegółowo

MIARY NIERÓWNOŚCI. 6. Miary oparte na kwantylach rozkładu dochodu

MIARY NIERÓWNOŚCI. 6. Miary oparte na kwantylach rozkładu dochodu MIARY NIERÓWNOŚCI Charakterystyka miar nierówności 2 Własności miar nierówności 3 Miary nierówności oparte o funkcję Lorenza 3 Współczynnik Giniego 32 Współczynnik Schutza 4 Miary nierówności wykorzystujące

Bardziej szczegółowo

Równania różniczkowe cząstkowe

Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe Definicja Równaniem różniczkowm cząstkowm nazwam takie równanie różniczkowe w którm wstępuje co najmniej jedna pochodna cząstkowa niewiadomej funkcji dwóch lub więcej zmiennch

Bardziej szczegółowo

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej 1. FUNKCJE WIELU ZMIENNYCH 1.1. FUNKCJE DWÓCH ZMIENNYCH Funkcją dwóch zmiennch określoną w zbiorze D R nazwam przporządkowanie każdej parze liczb () D dokładnie jednej liczb rzeczwistej z. Piszem prz tm

Bardziej szczegółowo

Całkowanie przez podstawianie i dwa zadania

Całkowanie przez podstawianie i dwa zadania Całkowanie przez podstawianie i dwa zadania Antoni Kościelski Funkcje dwóch zmiennch i podstawianie Dla funkcji dwóch zmiennch zachodzi następując wzór na całkowanie przez podstawianie: f(x(a, b), (a,

Bardziej szczegółowo

Wektory. P. F. Góra. rok akademicki

Wektory. P. F. Góra. rok akademicki Wektor P. F. Góra rok akademicki 009-0 Wektor zwiazan. Wektorem zwiazanm nazwam parę punktów. Jeżeli parę tę stanowią punkt,, wektor przez nie utworzon oznaczm. Graficznie koniec wektora oznaczam strzałką.

Bardziej szczegółowo

Pierwiastki kwadratowe z liczby zespolonej

Pierwiastki kwadratowe z liczby zespolonej Pierwiastki kwadratowe z liczb zespolonej Pierwiastkiem kwadratowm z liczb w C nazwam każdą liczbę zespoloną z C, dla której z = w. Zbiór wszstkich pierwiastków oznaczam smbolem w. Innmi słow w = {z C

Bardziej szczegółowo

Zmienne losowe typu ciągłego. Parametry zmiennych losowych. Izolda Gorgol wyciąg z prezentacji (wykład III)

Zmienne losowe typu ciągłego. Parametry zmiennych losowych. Izolda Gorgol wyciąg z prezentacji (wykład III) Zmienne losowe tpu ciągłego. Parametr zmiennch losowch. Izolda Gorgol wciąg z prezentacji (wkład III) Zmienna losowa tpu ciągłego Zmienna losowa X o ciągłej dstrbuancie F nazwa się zmienną losową tpu ciągłego,

Bardziej szczegółowo

Ekstrema funkcji dwóch zmiennych

Ekstrema funkcji dwóch zmiennych Wkład z matematki inżnierskiej Ekstrema funkcji dwóch zmiennch JJ, IMiF UTP 18 JJ (JJ, IMiF UTP) EKSTREMA 18 1 / 47 Ekstrema lokalne DEFINICJA. Załóżm, że funkcja f (, ) jest określona w pewnm otoczeniu

Bardziej szczegółowo

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K. Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą

Bardziej szczegółowo

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji SZEREG CZASOWY Y zjawisko badane w różnch okresach lub momentach czasu. Dnamika zjawiska to zmiana zjawiska w czasie. Przkład. Y średni kurs akcji firm OPTMUS na giełdzie Okres: notowania od 1.03.2010

Bardziej szczegółowo

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów.

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów. Wkład Test zgodności. Test zgodności służą do werikacji hipotez mówiącch, że a dstrbuanta rozkładu populacji ma określoną z gór postać unkcjną b dstrbuant rozkładów dwóch populacji nie różnią się w sposób

Bardziej szczegółowo

Pochodna funkcji wykład 5

Pochodna funkcji wykład 5 Pochodna funkcji wkład 5 dr Mariusz Grządziel 8 listopada 2010 Funkcja logistczna 40 Rozważm funkcję logistczną = f 0 (t) = 1+5e 0,5t Funkcja f może bć wkorzstana np. do modelowania wzrostu mas ziaren

Bardziej szczegółowo

Macierze normalne. D : Dowolną macierz kwadratową można zapisać w postaci A = B + ic gdzie ( ) B = A + A B = A + A = ( A + A)

Macierze normalne. D : Dowolną macierz kwadratową można zapisać w postaci A = B + ic gdzie ( ) B = A + A B = A + A = ( A + A) Macierze normalne Twierdzenie: Macierz można zdiagonalizować za pomocą unitarnej transformacji podobieństwa wted i tlko wted gd jest normalna (AA A A). ( ) D : Dowolną macierz kwadratową można zapisać

Bardziej szczegółowo

Interpolacja. Układ. x exp. = y 1. = y 2. = y n

Interpolacja. Układ. x exp. = y 1. = y 2. = y n MES 07 lokaln Interpolacja. Układ Interpolacja, wprowadzenie Interpolacja: po co nam to? Ptania MES polega na wznaczaniu interesującch nas parametrów w skończonej ilości punktów. A co leż pomiędz tmi punktami?

Bardziej szczegółowo

Metody prognozowania: Jakość prognoz Wprowadzenie (1) 6. Oszacowanie przypuszczalnej trafności prognozy

Metody prognozowania: Jakość prognoz Wprowadzenie (1) 6. Oszacowanie przypuszczalnej trafności prognozy Metod prognozowania: Jakość prognoz Dr inż. Sebastian Skoczpiec ver. 03.2012 Wprowadzenie (1) 1. Sformułowanie zadania prognostcznego: 2. Określenie przesłanek prognostcznch: 3. Zebranie danch 4. Określenie

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4 ZADANIA - ZESTAW 4 Zadanie 4. 0-0,4 c 0 0, 0, Wznacz c. Wznacz rozkład brzegowe. Cz, są niezależne? (odp. c = 0,3 Zadanie 4.- 0-0,4 0,3 0 0, 0, Wznaczć macierz kowariancji i korelacji. Cz, są skorelowane?

Bardziej szczegółowo

Warsztat pracy matematyka

Warsztat pracy matematyka Warsztat prac matematka Izabela Bondecka-Krzkowska Marcin Borkowski Jęzk matematki Teoria Jednm z podstawowch pojęc matematki jest pojęcie zbioru. Teorię opisującą zbior nazwa sie teorią mnogości. Definicja

Bardziej szczegółowo

f x f y f, jest 4, mianowicie f = f xx f xy f yx

f x f y f, jest 4, mianowicie f = f xx f xy f yx Zestaw 14 Pochodne wŝszch rzędów Niech będzie dana funkcja x f określona w pewnm obszarze D Przpuśćm Ŝe f x istnieją pochodne cząstkowe tej funkcji x x Pochodne cząstkowe tch pochodnch jeŝeli istnieją

Bardziej szczegółowo

lim = 0, gdzie d n oznacza najdłuższą przekątną prostokątów

lim = 0, gdzie d n oznacza najdłuższą przekątną prostokątów 9. CAŁKA POWÓJNA 9.. Całka podwójna w prostokącie Niech P będzie prostokątem opisanm na płaszczźnie OXY nierównościami: a < < b, c < < d, a f(,) funkcją określoną i ograniczoną w tm prostokącie. Prostokąt

Bardziej szczegółowo

Ćwiczenie 361 Badanie układu dwóch soczewek

Ćwiczenie 361 Badanie układu dwóch soczewek Nazwisko... Data... Wdział... Imię... Dzień tg.... Godzina... Ćwiczenie 36 Badanie układu dwóch soczewek Wznaczenie ogniskowch soczewek metodą Bessela Odległość przedmiotu od ekranu (60 cm 0 cm) l Soczewka

Bardziej szczegółowo

EGZAMIN GIMNAZJALNY W ROKU SZKOLNYM 2011/2012

EGZAMIN GIMNAZJALNY W ROKU SZKOLNYM 2011/2012 Centralna Komisja Egzaminacjna EGZAMIN GIMNAZJALNY W ROKU SZKOLNYM 2011/2012 CZĘŚĆ MATEMATYCZNO-PRZYRODNICZA MATEMATYKA ODPOWIEDZI I PROPOZYCJE OCENIANIA PRZYKŁADOWEGO ZESTAWU ZADAŃ PAŹDZIERNIK 2011 Zadania

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 1-2

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 1-2 Stanisław Cichocki Natalia Nehreecka Zajęcia - . Model liniow Postać modelu liniowego Zapis macierzow modelu liniowego. Estmacja modelu Przkład Wartość teoretczna (dopasowana) Reszt 3. MNK - przpadek wielu

Bardziej szczegółowo

Przenoszenie niepewności

Przenoszenie niepewności Przenoszenie niepewności Uwaga wstępna: pojęcia niepewność pomiarowa i błąd pomiarow są stosowane wmiennie. Załóżm, że wielkość jest funkcją wielkości,,, dla którch niepewności (,, ) są znane (wnikają

Bardziej szczegółowo

Rozwiązywanie układu równań metodą przeciwnych współczynników

Rozwiązywanie układu równań metodą przeciwnych współczynników Rozwiązwanie układu równań metodą przeciwnch współcznników Sposob postępowania krok po kroku: I. przgotowanie równań. pozbwam się ułamków mnoŝąc kaŝd jednomian równania równań przez najmniejszą wspólną

Bardziej szczegółowo

Badanie zależności cech

Badanie zależności cech PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i element kombinatorki. Zmienne losowe i ich rozkład 3. Populacje i prób danch, estmacja parametrów 4. Testowanie hipotez 5. Test parametrczne (na przkładzie

Bardziej szczegółowo

RZĘDU PIERWSZEGO. RÓWNANIE BERNOULLIEGO. RÓWNANIE JEDNORODNE. KRZYWE ORTOGONALNE. RÓWNANIE BERNOULLIEGO. Nieliniowe równanie różniczkowe Bernoulliego

RZĘDU PIERWSZEGO. RÓWNANIE BERNOULLIEGO. RÓWNANIE JEDNORODNE. KRZYWE ORTOGONALNE. RÓWNANIE BERNOULLIEGO. Nieliniowe równanie różniczkowe Bernoulliego NIELINIOWE RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE RZĘDU PIERWSZEGO. RÓWNANIE BERNOULLIEGO. RÓWNANIE JEDNORODNE. KRZYWE ORTOGONALNE. RÓWNANIE BERNOULLIEGO. Nieliniowe równanie różniczkowe Bernoulliego ma postać:

Bardziej szczegółowo

Pomiar bezpośredni przyrządem wskazówkowym elektromechanicznym

Pomiar bezpośredni przyrządem wskazówkowym elektromechanicznym . Rodzaj poiaru.. Poiar bezpośredni (prost) W przpadku poiaru pojednczej wielkości przrząde wskalowan w jej jednostkach wartość niedokładności ± określa graniczn błąd przrządu analogowego lub cfrowego

Bardziej szczegółowo

Minimalizacja kosztów

Minimalizacja kosztów Minimalizacja kosztów 1. (na wkładzie) Firma genealogiczna Korzenie produkuje dobro korzstając z jednego nakładu x użwając funkcji produkcji f(x) = x. (a) Ile jednostek x jest potrzebnch do wprodukowania

Bardziej szczegółowo

Scenariusz lekcji matematyki z wykorzystaniem komputera

Scenariusz lekcji matematyki z wykorzystaniem komputera Scenariusz lekcji matematki z wkorzstaniem komputera Temat: Wpłw współcznników a i b na położenie wkresu funkcji liniowej. (Rsowanie wkresów prz użciu arkusza kalkulacjnego EXCEL.) Czas zajęć: 9 min Cele:

Bardziej szczegółowo

Wykład Analiza jakościowa równań różniczkowych

Wykład Analiza jakościowa równań różniczkowych Na podstawie książki J. Rusinka, Równania różniczkowe i różnicowe w zarządzaniu, Oficna Wdawnicza WSM, Warszawa 2005. 21 maja 2012 Definicja Stabilność Niech = F (x, ) będzie równaniem różniczkowm. Rozwiązanie

Bardziej szczegółowo

Liczby zespolone. Niech C = R 2. Zdefiniujmy dwa działania w C. Dodawanie + : C 2 C zdefiniowane jest przez

Liczby zespolone. Niech C = R 2. Zdefiniujmy dwa działania w C. Dodawanie + : C 2 C zdefiniowane jest przez Liczb zespolone Ciało liczb zespolonch Niech C = R. Zdefiniujm dwa działania w C. Dodawanie + : C C zdefiniowane jest przez (, ) + (, ) = ( +, + ). Ćwiczenie. Obliczm (, ) + (, 0) =.................................................

Bardziej szczegółowo

Równania różniczkowe

Równania różniczkowe Równania różniczkowe I rzędu Andrzej Musielak Równania różniczkowe Równania różniczkowe I rzędu Równanie różniczkowe pierwszego rzędu to równanie w którm pojawia się zmienna x, funkcja tej zmiennej oraz

Bardziej szczegółowo

RACHUNEK CAŁKOWY FUNKCJI DWÓCH ZMIENNYCH

RACHUNEK CAŁKOWY FUNKCJI DWÓCH ZMIENNYCH RACHUNEK CAŁKOWY FUNKCJI WÓCH ZMIENNYCH einicja całki podwójnej po prostokącie einicja Podziałem prostokąta R ={ : a b c d} inaczej: R = [a b] [c d] nazwam zbiór Pn złożon z prostokątów R R... Rn które

Bardziej szczegółowo

VIII. ZBIÓR PRZYKŁADOWYCH ZADAŃ MATURALNYCH

VIII. ZBIÓR PRZYKŁADOWYCH ZADAŃ MATURALNYCH VIII. ZBIÓR PRZYKŁADOWYCH ZADAŃ MATURALNYCH ZADANIA ZAMKNIĘTE Zadanie. ( pkt) 0 90 Liczba 9 jest równa 0 B. 00 C. 0 9 D. 700 7 Zadanie. 8 ( pkt) Liczba 9 jest równa B. 9 C. D. 5 Zadanie. ( pkt) Liczba

Bardziej szczegółowo

Ruch po równi pochyłej

Ruch po równi pochyłej Sławomir Jemielit Ruch po równi pochłej Z równi pochłej o kącie nachlenia do poziomu α zsuwa się ciało o masie m. Jakie jest przspieszenie ciała, jeśli współcznnik tarcia ciała o równię wnosi f? W jakich

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY PRZYKŁADOWY ZESTAW ZADAŃ NR 1. Czas pracy 150 minut

MATEMATYKA POZIOM ROZSZERZONY PRZYKŁADOWY ZESTAW ZADAŃ NR 1. Czas pracy 150 minut Miejsce na naklejkę z kodem szkoł OKE ŁÓDŹ CKE MATEMATYKA POZIOM ROZSZERZONY MARZEC ROK 008 PRZYKŁADOWY ZESTAW ZADAŃ NR Czas prac 0 minut Instrukcja dla zdającego. Sprawdź, cz arkusz egzaminacjn zawiera

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 5

RÓWNANIA RÓŻNICZKOWE WYKŁAD 5 RÓWNANIA RÓŻNICZKOWE WYKŁAD 5 Równania różniczkowe rzędu drugiego Równania rzędu drugiego sprowadzalne do równań rzędu pierwszego Równanie różniczkowe rzędu drugiego postaci F ( x, ', ") 0 ( nie wstępuje

Bardziej szczegółowo

Zasady budowania prognoz ekonometrycznych

Zasady budowania prognoz ekonometrycznych Zasad budowania prognoz ekonometrcznch Klasczne założenia teorii predkcji 1. Znajomość modelu kształtowania się zmiennej prognozowanej Znajomość postaci analitcznej wstępującch zależności międz zmiennmi

Bardziej szczegółowo

Definicja wartości bezwzględnej. x < x y. x =

Definicja wartości bezwzględnej. x < x y. x = 1.9. WARTOŚĆ BEZWZGLĘDNA Definicja wartości bezwzględnej... gd... 0 =... gd... < 0 Własności wartości bezwzględnej 0 = = = n a n = a, gd n jest liczbą parzstą Przkład 1.9.1. Oblicz: a) b) c) 1 d) 0 e)

Bardziej szczegółowo

PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstawy optymalizacji konstrukcji, Wyd. Politechniki Poznańskiej, 2005]

PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstawy optymalizacji konstrukcji, Wyd. Politechniki Poznańskiej, 2005] PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstaw optmalizacji konstrukcji, Wd. Politechniki Poznańskiej, 2005] POW Problem optmalnego wboru PWOW Problem wielokrterialnego wboru OW Optmalizacja wielokrterialna

Bardziej szczegółowo

W. Guzicki Zadanie 30 z Informatora Maturalnego poziom rozszerzony 1

W. Guzicki Zadanie 30 z Informatora Maturalnego poziom rozszerzony 1 W. uzicki Zadanie 0 z Informatora Maturalnego poziom rozszerzon Zadanie 0. an jest sześcian (zobacz rsunek), którego krawędź ma długość 5. unkt i dzielą krawędzie i w stosunku :, to znacz, że 0. łaszczzna

Bardziej szczegółowo

14. Grupy, pierścienie i ciała.

14. Grupy, pierścienie i ciała. 4. Grup, pierścienie i ciała. Definicja : Zbiór A nazwam grupą jeśli jest wposaŝon w działanie wewnętrzne łączne, jeśli to działanie posiada element neutraln i kaŝd element zbioru A posiada element odwrotn.

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiał ddaktczne na zajęcia wrównawcze z matematki dla studentów pierwszego roku kierunku zamawianego Inżnieria Środowiska w ramach projektu Era inżniera pewna lokata na przszłość Projekt Era inżniera

Bardziej szczegółowo

ROZWIĄZANIA I ODPOWIEDZI

ROZWIĄZANIA I ODPOWIEDZI Zastosowania matematki w analitce medcznej zestaw do kol. semestr. - rozwiązania i odpowiedzi (część I). ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. a) Rozważając dwa przpadki ze względu na moduł mam: skąd ostatecznie,3>.

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiał ddaktczne na zajęcia wrównawcze z matematki dla studentów pierwszego roku kierunku zamawianego Inżnieria i Gospodarka Wodna w ramach projektu Era inżniera pewna lokata na przszłość Projekt Era

Bardziej szczegółowo

SKRYPT Z MATEMATYKI. Wstęp do matematyki. Rafał Filipów Piotr Szuca

SKRYPT Z MATEMATYKI. Wstęp do matematyki. Rafał Filipów Piotr Szuca Publikacja współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego SKRYPT Z MATEMATYKI Wstęp do matematki Rafał Filipów Piotr Szuca Publikacja współfinansowana przez Unię Europejską

Bardziej szczegółowo

Klucz odpowiedzi i schemat punktowania do próbnego zestawu egzaminacyjnego z zakresu przedmiotów matematyczno-przyrodniczych

Klucz odpowiedzi i schemat punktowania do próbnego zestawu egzaminacyjnego z zakresu przedmiotów matematyczno-przyrodniczych Klucz odpowiedzi i schemat punktowania do próbnego zestawu egzaminacjnego z zakresu przedmiotów matematczno-przrodniczch Z a d a n i a z a m k n i ę t e Numer zadania 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 0 3

Bardziej szczegółowo

KURS FUNKCJE WIELU ZMIENNYCH

KURS FUNKCJE WIELU ZMIENNYCH KURS FUNKCJE WIELU ZMIENNYCH Lekcja 1 Pochodne cząstkowe ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tlko jedna jest prawdziwa). Ptanie 1 Funkcja dwóch zmiennch a)

Bardziej szczegółowo

V JURAJSKI TURNIEJ MATEMATYCZNY DLA UCZNIÓW GIMNAZJUM FINAŁ 14 maja 2005 r.

V JURAJSKI TURNIEJ MATEMATYCZNY DLA UCZNIÓW GIMNAZJUM FINAŁ 14 maja 2005 r. V JURAJSKI TURNIEJ MATEMATYCZNY DLA UCZNIÓW GIMNAZJUM FINAŁ 4 maja 005 r. Przecztaj uważnie poniższą instrukcję: Test składa się z dwóch części. Pierwsza część zawiera 0 zadań wielokrotnego wboru. Tlko

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennch Wkres i warstwice funkcji wielu zmiennch. Przeglad powierzchni stopnia drugiego. Granice i ciagłość funkcji wielu zmiennch. Małgorzata Wrwas Katedra Matematki Wdział Informatki Politechnika

Bardziej szczegółowo

Stan naprężenia. Przykład 1: Tarcza (płaski stan naprężenia) Określić siły masowe oraz obciążenie brzegu tarczy jeśli stan naprężenia wynosi:

Stan naprężenia. Przykład 1: Tarcza (płaski stan naprężenia) Określić siły masowe oraz obciążenie brzegu tarczy jeśli stan naprężenia wynosi: Stan naprężenia Przkład 1: Tarcza (płaski stan naprężenia) Określić sił masowe oraz obciążenie brzegu tarcz jeśli stan naprężenia wnosi: 5 T σ. 8 Składowe sił masowch obliczam wkonując różniczkowanie zapisane

Bardziej szczegółowo

Wykład 10. Funkcje wielu zmiennych

Wykład 10. Funkcje wielu zmiennych Wkład 1. Funkcje wielu zmiennch dr Mariusz Grządziel 6 maja 1 (ostatnie poprawki: 1 maja 1) Funkcje wielu zmiennch Przestrzeń dwuwmiarowa, oznaczana w literaturze matematcznej smbolem R, może bć utożsamiona

Bardziej szczegółowo

KONKURS MATEMATYCZNY DLA UCZNIÓW GIMNAZJUM ETAP REJONOWY

KONKURS MATEMATYCZNY DLA UCZNIÓW GIMNAZJUM ETAP REJONOWY pieczątka WKK Kod ucznia - - Dzień Miesiąc Rok DATA URODZENIA UCZNIA KONKURS MATEMATYCZNY DLA UCZNIÓW GIMNAZJUM ETAP REJONOWY Drogi Uczniu Witaj na II etapie konkursu matematcznego. Przecztaj uważnie instrukcję.

Bardziej szczegółowo

19. Wybrane układy regulacji Korekcja nieliniowa układów. Przykład K s 2. Rys Schemat blokowy układu oryginalnego

19. Wybrane układy regulacji Korekcja nieliniowa układów. Przykład K s 2. Rys Schemat blokowy układu oryginalnego 19. Wbrane układ regulacji Przkład 19.1 19.1. Korekcja nieliniowa układów w K s 2 Rs. 19.1. Schemat blokow układu orginalnego 1 Zbadać możliwość stabilizacji układu za pomocą nieliniowego prędkościowego

Bardziej szczegółowo

(rachunek różniczkowy dot. funkcji ciągłych)

(rachunek różniczkowy dot. funkcji ciągłych) Podstaw matematczne (rachunek różniczkow dot. unkcji ciągłch) 1) Pochodna unkcji 1 zmiennej () de. () d ( ) d d d lim h ( h) h ( ) (h) () h UWAGA: () tg(α) tangens kąta nachlenia stcznej Warunki e k s

Bardziej szczegółowo

( ) σ v. Adam Bodnar: Wytrzymałość Materiałów. Analiza płaskiego stanu naprężenia.

( ) σ v. Adam Bodnar: Wytrzymałość Materiałów. Analiza płaskiego stanu naprężenia. Adam Bdnar: Wtrzmałść Materiałów Analiza płaskieg stanu naprężenia 5 ANALIZA PŁASKIEGO STANU NAPRĘŻENIA 5 Naprężenia na dwlnej płaszczźnie Jak pamiętam płaski stan naprężenia w punkcie cechuje t że wektr

Bardziej szczegółowo

ELEMENTY TEORII ZBIORÓW ROZMYTYCH

ELEMENTY TEORII ZBIORÓW ROZMYTYCH ELEMENTY TEORII ZBIORÓW ROZMYTYCH OPRACOWAŁ: M. KWIESIELEWICZ POJĘCIA NIEPRECYZYJNE ODDZIAŁYWANIA CZŁOWIEK-OBIEKT TECHNICZNY OTOCZENIE (Hoang 990: człowieka na otoczenie, np.: ergonomiczna konstrukcja

Bardziej szczegółowo

Realizacja funkcji przełączających

Realizacja funkcji przełączających Realizacja funkcji przełączającch. Wprowadzenie teoretczne.. Podstawowe funkcje logiczne Funkcja logiczna NOT AND OR Zapis = x x = = x NAND NOR.2. Metoda minimalizacji funkcji metodą tablic Karnaugha Metoda

Bardziej szczegółowo

3.2. Podstawowe własności funkcji. Funkcje cyklometryczne, hiperboliczne. Definicję funkcji f o dziedzinie X i przeciwdziedzinie Y mamy w 3A5.

3.2. Podstawowe własności funkcji. Funkcje cyklometryczne, hiperboliczne. Definicję funkcji f o dziedzinie X i przeciwdziedzinie Y mamy w 3A5. WYKŁAD 7 3 Podstawowe własności unkcji Funkcje cklometrczne, hiperboliczne Deinicję unkcji o dziedzinie X i przeciwdziedzinie Y mam w 3A5 3A37 (Uwaga: dziedzina naturalna) Często się zdarza, że unkcja

Bardziej szczegółowo

Rachunek różniczkowy funkcji jednej zmiennej

Rachunek różniczkowy funkcji jednej zmiennej Rachunek różniczkow funkcji jednej zmiennej wkład z MATEMATYKI Budownictwo, studia niestacjonarne sem. I, rok ak. 2008/2009 Katedra Matematki Wdział Informatki Politechnika Białostocka 1 Iloraz różnicow

Bardziej szczegółowo

Cykl III ćwiczenie 3. Temat: Badanie układów logicznych

Cykl III ćwiczenie 3. Temat: Badanie układów logicznych Ckl III ćwiczenie Temat: Badanie układów logicznch Ćwiczenie składa się z dwóch podtematów: Poziom TTL układów logicznch oraz Snteza układów kombinacjnch Podtemat: Poziom TTL układów logicznch. Wprowadzenie

Bardziej szczegółowo

Zadanie 2. objętość zmniejszy się o 1 m 3, co odpowiada liczbie 3% 60 m 3 zaokrąglonej w dół do liczby

Zadanie 2. objętość zmniejszy się o 1 m 3, co odpowiada liczbie 3% 60 m 3 zaokrąglonej w dół do liczby Zadanie 1. W liceum ogólnokształcącm przeprowadzono badanie wników nauczania z historii. Do tego celu wkorzstano test składając się z 25 ptań, które kolejno dotczł poszczególnch epok historcznch: ptania

Bardziej szczegółowo

Z funkcji zdaniowej x + 3 = 7 można otrzymać zdania w dwojaki sposób:

Z funkcji zdaniowej x + 3 = 7 można otrzymać zdania w dwojaki sposób: Z funkcji zdaniowej + 3 = 7 można otrzmać zdania w dwojaki sposób: podstawiając w tej funkcji zdaniowej za stałe będące nazwami liczb np. 4 2 itp. poprzedzając tę funkcję zdaniową zwrotami: dla każdego

Bardziej szczegółowo

11. CZWÓRNIKI KLASYFIKACJA, RÓWNANIA

11. CZWÓRNIKI KLASYFIKACJA, RÓWNANIA OBWODY SYGNAŁY Wkład : Czwórniki klasfikacja, równania. CZWÓRNK KLASYFKACJA, RÓWNANA.. WELOBEGNNK A WELOWROTNK CZWÓRNK Definicja. Jeśli: wielobiegunnik posiada parzstą liczbę zacisków (tzn. mn) zgrupowanch

Bardziej szczegółowo

Imperfekcje globalne i lokalne

Imperfekcje globalne i lokalne Imperfekcje globalne i lokalne Prz obliczaniu nośności i stateczności konstrukcji stalowch szczególnego znaczenia nabiera konieczność uwzględniania warunków wkonania, transportu i montażu elementów konstrukcjnch.

Bardziej szczegółowo

Wykład z równań różnicowych

Wykład z równań różnicowych Wykład z równań różnicowych 1 Wiadomości wstępne Umówmy się, że na czas tego wykładu zrezygnujemy z oznaczania n-tego wyrazu ciągu symbolem typu x n, y n itp. Zamiast tego pisać będziemy x (n), y (n) itp.

Bardziej szczegółowo

Blok 2: Zależność funkcyjna wielkości fizycznych

Blok 2: Zależność funkcyjna wielkości fizycznych Blok : Zależność funkcjna wielkości fizcznch I. Odcztwanie informacji z wkreu co tak naprawdę na nim ię znajduje. Chcąc odcztać informacje z wkreu funkcji, muim dokładnie wiedzieć, jaka wielkość fizczna

Bardziej szczegółowo

Przedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji)

Przedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji) Wkład 1: Prosta regresja liniowa Statstczn model regresji liniowej Dane dla prostej regresji liniowej Przedział ufności i test parametrów Przedział ufności dla średniej odpowiedzi Interwał prognoz (dla

Bardziej szczegółowo

LABORATORIUM PODSTAW AUTOMATYKI

LABORATORIUM PODSTAW AUTOMATYKI LABORATORIUM PODSTAW AUTOMATYKI INSTRUKCJA DO ĆWICZENIA 4.Wstęp - DOBÓR NASTAW REGULATORÓW opr. dr inż Krzsztof Kula Dobór nastaw regulatorów uwzględnia dnamikę obiektu jak i wmagania stawiane zamkniętemu

Bardziej szczegółowo

WOJEWÓDZTWO PODKARPACKIE

WOJEWÓDZTWO PODKARPACKIE WOJEWÓDZTWO PODKARPACKIE UNIA EUROPEJSKA EUROPEJSKI FUNDUSZ ROZWOJU REGIONALNEGO Załącznik nr 7 do Regulaminu konkursu LISTA SPRAWDZAJĄCA DOTYCZĄCA OCENY FORMALNEJ WNIOSKU O DOFINANSOWANIE REALIZACJI PROJEKTU

Bardziej szczegółowo

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

X Wrocławski Konkurs Matematyczny dla uczniów klas I-III gimnazjów. Etap II

X Wrocławski Konkurs Matematyczny dla uczniów klas I-III gimnazjów. Etap II X rocławski Konkurs Matematczn dla uczniów klas I-III gimnazjów rok szkoln 04/05 Etap II Zadanie Uczniowie otrzmali z prac klasowej ocen,, 4 i 5. Ocen, i 5 ło tle samo, a czwórek ło więcej niż wszstkich

Bardziej szczegółowo

Definicja i własności wartości bezwzględnej.

Definicja i własności wartości bezwzględnej. Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności

Bardziej szczegółowo

) q przyłożona jest w punkcie o współrzędnej x = x + x. Przykład Łuk trójprzegubowy.

) q przyłożona jest w punkcie o współrzędnej x = x + x. Przykład Łuk trójprzegubowy. rzkład 0.. Łuk trójprzegubow. Rsunek 0.. przedstawia łuk trójprzegubow, którego oś ma kształt półokręgu (jest to łuk kołow ). Łuk obciążon jest ciężarem konstrukcji podwieszonej. Narsować wkres momentów

Bardziej szczegółowo

MATURA PRÓBNA 2 KLASA I LO

MATURA PRÓBNA 2 KLASA I LO IMIE I NAZWISKO MATURA PRÓBNA KLASA I LO CZAS PRACY: 90 MIN. SUMA PUNKTÓW: 60 ZADANIE (5 PKT) Znajdź wszstkie funkcje liniowe określone na zbiorze ;, którch zbiorem wartości jest przedział ; 0. ZADANIE

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY

PRÓBNY EGZAMIN MATURALNY PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW PRZYGOTOWANY PRZEZ SERWIS WWW.ZADANIA.INFO POZIOM PODSTAWOWY 9 MARCA 019 CZAS PRACY: 170 MINUT 1 Zadania zamknięte ZADANIE 1 (1 PKT) Cena nart po obniżce o

Bardziej szczegółowo

Założenia prognostyczne WPF

Założenia prognostyczne WPF Załącznik nr 3 do Uchwał o Wieloletniej Prognozie Finansowej Założenia prognostczne WPF Wieloletnia Prognoza Finansowa opiera się na długoterminowej prognozie nadwżki operacjnej, która obrazują zdolność

Bardziej szczegółowo

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

Estymacja parametrów w modelu normalnym

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

Bardziej szczegółowo

Analiza Matematyczna II.1, kolokwium rozwiazania 9 stycznia 2015, godz. 16:15 19:15

Analiza Matematyczna II.1, kolokwium rozwiazania 9 stycznia 2015, godz. 16:15 19:15 Analiza Matematczna II., kolokwium rozwiazania 9 stcznia 05, godz. 6:5 9:5 0. Podać definicj e zbioru miar 0. Udowodnić, że jeśli A = {(x,, z) : (x )(x + + z ) = 0}, to l (A) = 0. Zbiorem miar zero jest

Bardziej szczegółowo

Cechy szeregów czasowych

Cechy szeregów czasowych energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas

Bardziej szczegółowo

Zmienne zależne i niezależne

Zmienne zależne i niezależne Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }

Bardziej szczegółowo

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

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

Bardziej szczegółowo

3.3. UKŁADY RÓWNAŃ LINIOWYCH. Równanie liniowe z dwiema niewiadomymi. Równaniem liniowym z dwiema niewiadomymi x i y nazywamy równanie postaci

3.3. UKŁADY RÓWNAŃ LINIOWYCH. Równanie liniowe z dwiema niewiadomymi. Równaniem liniowym z dwiema niewiadomymi x i y nazywamy równanie postaci .. UKŁADY RÓWNAŃ LINIOWYCH Równanie liniowe z dwiema niewiadommi Równaniem liniowm z dwiema niewiadommi i nazwam równanie postaci A B C 0, gdzie A, B, C R i A B 0 m równania z dwiema niewiadommi nazwam

Bardziej szczegółowo

ZAGADNIENIA ZALICZENIOWE i PRZYKŁADY PYTAŃ z METOD KOMPUTEROWYCH w TSiP

ZAGADNIENIA ZALICZENIOWE i PRZYKŁADY PYTAŃ z METOD KOMPUTEROWYCH w TSiP ZAGADNIENIA ZALICZENIOWE i PRZYKŁADY PYTAŃ z METOD KOMPUTEROWYCH w TSiP. Podstawowe związki (równania równowagi, liniowe i nieliniowe związki geometrczne, związki fizczne, warunki brzegowe) w zapisie wskaźnikowm

Bardziej szczegółowo

KATEDRA AUTOMATYKI, BIOMECHANIKI I MECHATRONIKI. Komputerowe Laboratorium Mechaniki 2M135 / 2M31. L a bora t o rium n r 6 TEMAT:

KATEDRA AUTOMATYKI, BIOMECHANIKI I MECHATRONIKI. Komputerowe Laboratorium Mechaniki 2M135 / 2M31. L a bora t o rium n r 6 TEMAT: KATEDRA AUTOMATYKI, BIOMECHANIKI I MECHATRONIKI Komputerowe Laboratorium Mechaniki 2M135 / 2M31 Zawartość: OPRACOWANIE TEORETYCZNE L a bora t o rium n r 6 M e c haniki T echnicznej TEMAT: Modelowanie i

Bardziej szczegółowo

OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ I. 1. Wprowadzenie

OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ I. 1. Wprowadzenie B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2004 Anna DOBROWOLSKA* Jan MIKUŚ* OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ I Przedstawiono

Bardziej szczegółowo

Wykład 5: Statystyki opisowe (część 2)

Wykład 5: Statystyki opisowe (część 2) Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz

Bardziej szczegółowo

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu

Bardziej szczegółowo

R-PEARSONA Zależność liniowa

R-PEARSONA Zależność liniowa R-PEARSONA Zależność liniowa Interpretacja wyników: wraz ze wzrostem wartości jednej zmiennej (np. zarobków) liniowo rosną wartości drugiej zmiennej (np. kwoty przeznaczanej na wakacje) czyli np. im wyższe

Bardziej szczegółowo

KONSTRUKCJE METALOWE II

KONSTRUKCJE METALOWE II 1 POLITECHNIKA POZNAŃSKA Wdział Budownictwa, Architektur i Inżnierii Środowiska Insttut Konstrukcji Budowlanch dr inż. Jacek Tasarek KONSTRUKCJE METALOWE II POZNAŃ, 004 1.ELEMENTY ZGINANE - BELKI 1.1.Wiadomości

Bardziej szczegółowo

UKŁADY JEDNOWYMIAROWE. Część III UKŁADY NIELINIOWE

UKŁADY JEDNOWYMIAROWE. Część III UKŁADY NIELINIOWE UKŁADY JEDNOWYMIAROWE Część III UKŁADY NIELINIOWE 1 15. Wprowadzenie do części III Układ nieliniowe wkazją czter właściwości znacznie różniące je od kładów liniowch: 1) nie spełniają zasad sperpozcji,

Bardziej szczegółowo

Funkcje. Krzysztof Piszczek. Teoria

Funkcje. Krzysztof Piszczek. Teoria Funkcje Krzsztof Piszczek Teoria Definicja. Niech dane będą zbior X oraz Y. Funkcją f ze zbioru X do (w) zbiór Y nazwam przporządkowanie każdemu elementowi zbioru X jednego i tlko jednego elementu zbioru

Bardziej szczegółowo

Fizyka I (mechanika), ćwiczenia, seria 1

Fizyka I (mechanika), ćwiczenia, seria 1 Fizka I (mechanika), ćwiczenia, seria 1 Układ współrzędnch na płaszczźnie. Zadanie 1 Odcinek o stałej długości porusza się tak, że jego punkt końcowe A i B ślizgają się po osiach odpowiednio x i pewnego

Bardziej szczegółowo

Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)

Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące

Bardziej szczegółowo