x, y R n, czyli x, y = x i, y i. Przez x oznaczamy tzw. normę taksówkową wektora x i. Jeżeli a jest skalarem, to a 0 oznacza, że a = 0 lub a > 0.
|
|
- Julia Bednarek
- 6 lat temu
- Przeglądów:
Transkrypt
1 PRZEGLĄD STATYSTYCZNY R. LVIII ZESZYT EMIL PANEK O PEWNEJ PROSTEJ WERSJI SŁABEGO TWIERDZENIA O MAGISTRALI W MODELU VON NEUMANNA 1. WSTĘP Model J. von Neumanna po raz perwszy został opublkowany w języku nemeckm w 1928 r., ale szersze zanteresowane ekonomstów matematyków wzbudzła dopero jego angelska wersja [36] z 1945 r. Intensywny okres zanteresowana równowagą v. Neumanna tzw. efektem magstral w weloproduktowych (welosektorowych) modelach wzrostu typu Neumanna-Gale a-leontefa przypada na drugą połowę XX weku, zob. np. prace [1, 3, 4-8, 10-35], ale równeż w perwszej dekadze obecnego weku raz po raz pojawają sę nowe publkacje na tan temat w czołowych czasopsmach naukowych, por. [2, 9, 37-39]. W artykule prezentujemy wersję modelu von Neumanna, którego postać nawązuje do klasycznych prac, [4-7, 12, 16, 24}. Przytaczamy stosunkowo prosty dowód stnena stanu równowag neumannowskej oraz słabą wersję twerdzena o magstral w takm modelu. Idea dowodu nawązuje do artykułu R. Radnera [33] (zob. także m.n. H. Nkado [24] twerdzene 13.8, A. Takayama [34] twerdzene 7.A.2). Zanm przejdzemy do przedstawena modelu, słów klka o nektórych symbolach matematycznych stosowanych w pracy. Przez R n oznaczamy n-wymarową przestrzeń wektorową (nad całem lczb rzeczywstych). Jeżel wektor x R n jest neujemny, pszemy x 0. Zaps x 0 oznacza, że neujemny wektor x zawera co najmnej 1 element dodatn, tzn. x 0 wtedy tylko wtedy, gdy x 0 oraz x 0. Nazywamy go wektorem półdodatnm. Natomast zaps x > 0 oznacza, że wszystke składowe wektora x są dodatne. Zaps x y znaczy tyle, co x y 0, podobne x y oznacza, że x y 0, a x > y oznacza, że x y > 0. Przez R+ n oznaczamy neujemny orthant R n, tzn. R+ n = {x R n x 0}. Symbolem x, y oznaczamy loczyn skalarny wektorów n x, y R n, czyl x, y = x, y. Przez x oznaczamy tzw. normę taksówkową wektora x R n : x = =1 n x. Jeżel a jest skalarem, to a 0 oznacza, że a = 0 lub a > 0. =1
2 76 Eml Panek 2. MODEL VON NEUMANNA. STATYKA W gospodarce mamy n towarów oraz m procesów produkcj, które nazywamy bazowym procesam technologcznym. Skalar a j 0 wskazuje na welkość zużyca -tego towaru w j-tym bazowym procese technologcznym prowadzonym z jednostkową ntensywnoścą. Natomast skalar b j 0 wskazuje na produkcję -tego towaru w j-tym bazowym procese technologcznym prowadzonym z jednostkową ntensywnoścą. Neujemne (prostokątne, m n ) macerze A = a 11 a 21 a m1 a 1n a 2n a mn, B = nazywamy (odpowedno) macerzą nakładów (zużyca) macerzą wynków (produkcj) w modelu von Neumanna. Zatem w j tym bazowym procese technologcznym stosowanym z jednostkową ntensywnoścą z wektora (werszowego) nakładów a j = (a j1, a j2,, a jn ) można wytworzyć wektor produkcj b j = (b j1, b j2,, b jn ). Zakładamy, że: 1. Każdy wersz neujemny macerzy A zawera element dodatn (tzn. w każdym bazowym procese technologcznym zużywany jest co najmnej jeden towar). 2. Każda kolumna neujemnej macerzy B zawera element dodatn (tzn. każdy towar jest wytwarzany w przynajmnej jednym bazowym procese technologcznym). Model jest lnowy w tym sense, że dla dowolnych lczb ν 1 0, ν 2 0,ν m 0 m m z nakładów x = v j a j otrzymujemy produkcję y = v j b j. O parze j=1 m (x, y) = v j a j, j=1 b 11 b 21 b m1 j=1 m v j b j = (va, vb) j=1 mówmy, ze opsuje dopuszczalny proces produkcj w modelu von Neumanna. Półdodatn wektor (werszowy) v = (ν 1,, ν m ) 0 nazywamy wektorem ntensywnośc stosowana bazowych procesów technologcznych. Weźmy (nezerowy) wektor ntensywnośc ν 0 utwórzmy proces (x, y) = (va, vb). Lczbę α (v) = (vb) (va), gdy (va) > 0 +, welkosc neokreslona, gdy gdy b 1n b 2n b mn (va) = 0, (va) > 0 (va) = (vb) = 0
3 O pewnej prostej wersj słabego twerdzena o magstral w modelu von Neumanna 77 nazywamy wskaźnkem technologcznej efektywnośc wytwarzana -tego towaru w procese (va, vb). Lczbę α(v) = mn α (v) nazywamy wskaźnkem technologcznej efektywnośc procesu (va, vb), a lczbę α N = max α(v) (1) v 0 nazywamy optymalnym wskaźnkem technologcznej efektywnośc produkcj w modelu (gospodarce) von Neumanna. Poneważ ν 0, węc wprost z defncj mamy α(v) = mn α (v) = max{α α va vb}, czyl zadane (1) jest równoważne z zadanem max α αva vb ν 0. (2) Pokażemy, że przy założenach (I), (II) zadane to ma rozwązane. 1 Twerdzene 1. Przy założenach (I), (II) stneje tak wektor ntensywnośc ν 0, że α( v) = max α(v) = α N > 0. v 0 Dowód. Pokażemy najperw, że funkcja α(v) jest wszędze na R+ n poza 0 cągła oraz dodatno jednorodna stopna 0. Zauważmy, że z defncj v, b α(v) = mn α (v) = mn v, a = v, bk v, a k dla pewnego k. 2 Funkcja α(v) jest zatem cągła w każdym takm punkce ν 0, w którym v, a k > 0 (jako loraz funkcj lnowych, a węc cągłych). Załóżmy teraz, że α(v) = v, bk v, a k oraz v, ak = 0. 1 Inny dowód przytacza m.n. D. Gale [7], twerdzene Symbolem a k, b k oznaczamy k-tą kolumnę macerzy A B: a 1k b 1k a k = a 2k. a nk, b k = b 2k. b mk
4 78 Eml Panek Przy założenu (I) warunek ν 0 pocąga za sobą νa 0, czyl v, a j > 0 dla pewnego j, tzn. α(v) = mn v, b v, a = v, bk v, a k α j(v) < +, co jest nemożlwe. Jeżel bowem v, b k > 0, to α(v) =+, jeżel zaś v, b k = 0, to w punkce v funkcja α(v) jest neokreślona. Zatem, gdy ν 0, to v, b α(v) = mn v, a = v, bk v, a k dla takego (pewnego) k że v, ak > 0 tym samym funkcja α(v) jest cągła wszędze na R+ n poza 0. Poneważ dla każdego ν 0 stneje take k {1,, n}, że v, a k > 0 α(v) = v, bk v, a k, węc dla dowolnej lczby λ>0 mamy α(λv) = λv, bk λv, a k = v, bk v, a k = α(v), co dowodz dodatnej jednorodnośc stopna 0 funkcj α(v) wszędze na R+ n poza 0. Wówczas max α(v) = max α(v). (3) ν 0 ν 0 v = 1 Zbór S+(1) n = {ν 0 v = 1} jest zwarty oraz funkcja α(v) jest cągła na S+(1) n, węc zadane (3) ma rozwązane ν 0. Macerze A, B spełnają warunk (I), (II), węc stneje taka lczba σ>0, że σea eb > 0, gdze e = (1,, 1) wobec tego α N = α( v) σ>0. Wektor ν 0, dla którego α N = α( v), nazywamy optymalnym wektorem ntensywnośc w modelu von Neumanna. Wektory x = va, ȳ = vb nazywamy optymalnym wektoram nakładów (zużyca) wynków (produkcj). O parze ( x, ȳ) = ( va, vb) mówmy, że opsuje optymalny proces produkcj. Przy założenach (I), (II), zgodne z twerdzenem 1, optymalne procesy produkcj w modelu von Neumanna stneją są określone z dokładnoścą do mnożena przez dowolną stałą dodatną (z dokładnoścą do struktury). Trzece założene brzm następująco: (III) Istneje tak optymalny wektor ntensywnośc ν 0, któremu odpowada wektor produkcj ȳ = vb > 0. Innym słowy, wśród optymalnych procesów produkcj stneje przynajmnej jeden proces, w którym wytwarzane są wszystke towary. Model von Neumanna spełnający
5 O pewnej prostej wersj słabego twerdzena o magstral w modelu von Neumanna 79 ten warunek nazywamy regularnym. Jeżel spełnone jest założene (III), to spełnone jest także założene (II), dlatego w przytoczonych dalej twerdzenach 2 3 jest ono pomjane. Nech p 0 oznacza n-wymarowy (kolumnowy) wektor cen towarów. Lczbę vbp, gdy vap > 0 β(v, p) = vap +, gdy vap = 0, oraz vbp > 0 welkosc neokreslona, gdy vap = vbp = 0 nazywamy wskaźnkem ekonomcznej efektywnośc procesu (va, vb) przy cenach p. Δ Defncja 1. Mówmy, że gospodarka z technologczną efektywnoścą α( v) = α N > 0 znajduje sę w równowadze von Neumanna, jeżel obowązują w nej take ceny p 0, przy których dla dowolnego wektora ntensywnośc ν 0 spełnony jest warunek: vb p α N va p 0. (4) Wektor p nazywamy wektorem cen von Neumanna. Łatwo zauważyć, że ceny von Neumanna są określone z dokładnoścą do struktury. O trójce {α N, v, p}, w której wektor ntensywnośc ν 0 spełna założene (III), mówmy, że tworzy (optymalny) stan równowag neumannowskej. Zgodne z twerdzenem 1: α N va vb. (5) Z (4) otrzymujemy (dla v = ν) vb p α N va p, a z (5) (po przemnożenu obu stron nerównośc przez wektor p 0): vb p α N va p, tzn. α N va p = vb p, przy czym vb p > 0, czyl także va p > 0. Tak węc wszędze gdze funkcja β(, p) jest określona mamy vb p β(v, p) = va p α( v) = α N oraz vb p β( v, p) = va p = max vb p v 0 va p = α( v) = α N. W równowadze von Neumanna ekonomczna efektywność produkcj jest równa efektywnośc technologcznej jest to maksymalna efektywność, jaką może osągnąć gospodarka.
6 80 Eml Panek Twerdzene 2. Jeżel spełnone są założena (I), (III), to stneją ceny von Neumanna Dowód. Przy założenach (I), (III) zbór Q = {q q = v(α N A B), v 0} jest netrywalnym stożkem weloścennym w R n z werzchołkem w 0, który ne zawera wektorów ujemnych. Rzeczywśce, załóżmy że q Q q < 0. Wówczas q = v(α N A B) = α N va vb < 0 dla pewnego wektora ν 0, co jest nemożlwe (sprzeczne z defncją optymalnego wskaźnka technologcznej efektywnośc α N ). Utwórzmy zbór D = Q + R n + = {d d = q + r, q Q, r R n +}. Wówczas D R n (gdyż zbór D ne zawera wektorów ujemnych) oraz e D, = 1,, n. Zatem stneje taka hperpłaszczyzna z wektorem kerunkowym p 0,że p, d 0 dla każdego d D. (6) Do zboru D należą w szczególnośc wektory e = (0,, 1, 0), = 1,, n, węc () p, e = p 0 dla każdego, a poneważ p 0, węc p 0. Z (6) wynka w szczególnośc, że dla każdego ν 0: v(α N A B) p 0, co jest równoważne (4). Podobne jak optymalny wektor ntensywnośc v 0, równeż ceny von Neumanna p 0 są określone z dokładnoścą do struktury. 3. MODEL VON NEUMANNA. DYNAMIKA Załóżmy, że czas t zmena sę skokowo, t = 0, 1,, t 1. Symbolem v(t) = (v 1 (t),, v n (t)) oznaczamy wektor (werszowy) ntensywnośc, z jaką poszczególne bazowe procesy technologczne są stosowane w okrese t. Model von Neumanna opsuje gospodarkę zamknętą w tym sense, że źródłem nakładów w okrese t+1 może być tylko produkcja wytworzona w okrese poprzednm t, co prowadz do nerównośc: v(t + 1)A v(t)b, t = 0, 1,, t 1 1 (7) v(t) 0, t = 0, 1,, t 1. Nech v 0 będze dowolnym wektorem ntensywnośc stosowana bazowych procesów technologcznych w okrese t = 0 v(0) = v 0 0. (8)
7 O pewnej prostej wersj słabego twerdzena o magstral w modelu von Neumanna 81 Δ Defncja 2. Cąg wektorów {v(t) } t 1 spełnających warunk (7)-(8) nazywamy (v 0 t 1 ) dopuszczalną trajektorą ntensywnośc. Cąg {x(t)} t 1, {y(t)} t 1, gdze x(t) = v(t)a, y(t) = v(t)b, nazywamy (odpowedno) dopuszczalną trajektorą nakładów (zużyca) wynków (produkcj). O trójce {v(t), x(t), y(t)} t 1 mówmy, że opsuje dopuszczalny proces wzrostu w modelu von Neumanna. Spośród dopuszczalnych procesów wzrostu szczególną klasę tworzą procesy stacjonarne. Δ Defncja 3. (v 0 t 1 ) dopuszczalną trajektorę ntensywnośc {v(t) } t 1 nazywamy stacjonarną, jeżel dla pewnej lczby γ>0: v(t) = γ t v 0, t = 0, 1,, t 1. (9) Stacjonarnej trajektor ntensywnośc odpowada stacjonarna trajektora nakładów x(t) = γ t x 0 (10) oraz wynków y(t) = γ t y 0, (11) gdze x 0 = v 0 A, y 0 = v 0 B. O trójce trajektor (9) (11) mówmy, że opsują stacjonarny proces wzrostu w modelu von Neumanna. Warunkem konecznym dostatecznym stnena stacjonarnego procesu wzrostu z tempem γ>0początkowym wektorem ntensywnośc v 0 0 jest spełnene układu nerównośc: γv 0 A v 0 B. (12) Przy założenach (I), (III), zgodne z twerdzenem 1, stneje take rozwązane układu (12) z tempem γ = α N > 0 określonym z dokładnoścą do struktury wektorem v 0 = v 0, że vb > 0. Innym słowy stneje stacjonarny proces wzrostu { v(t), x(t), ȳ(t)} t 1 postac: v(t) = αn t v, (13) x(t) = αn t x, (14) t ȳ(t) = αnȳ, (15) z wektoram x = va 0,ȳ = vb > 0. Nazywamy go optymalnym stacjonarnym procesem wzrostu w modelu von Neumanna. Trajektore (13) (15) nazywamy, odpowedno, optymalna stacjonarną trajektorą ntensywnośc, nakładów (zużyca) wynków (produkcj). O wektorach s v = v(t) v(t) = αt N v αn t v = v v = v 1 v m,, v v = const.,
8 82 Eml Panek s x = s y = x(t) x(t) = ȳ(t) ȳ(t) = αt N x αn t x = αt Nȳ α Nȳ t = x x = ȳ ȳ = x 1 x n,, x x = const., ȳ 1,, ȳ ȳ n ȳ = const., mówmy, że charakteryzują strukturę ntensywnośc stosowana bazowych procesów technologcznych, strukturę nakładów strukturę produkcj w optymalnym stacjonarnym procese wzrostu. O półprostych N v = {λ s v λ>0}, N x = {λ s x λ>0}, N y = {λ s y λ>0}, mówmy, że tworzą magstrale (promene von Neumanna) w przestrzen ntensywnośc, przestrzen nakładów produkcj. Wszystke optymalne stacjonarne procesy wzrostu przebegają po magstralach. W celu zapewnena jednoznacznośc magstral przyjmemy następujące założene: (IV) Dla każdego wektora ntensywnośc v N v zachodz nerówność: vb p α N va p < 0. Łatwo zauważyć, że warunek ten zachodz także dla dowolnego wektora x = va N x oraz y = vb N y. Założene głos zatem, że jedyne na magstralach ekonomczna efektywność produkcj jest równa efektywnośc technologcznej (wszędze poza magstralam efektywność ekonomczna jest nższa od technologcznej). 3 Ustalmy początkowy wektor ntensywnośc v 0 > 0 postawmy następujące (lnowe) zadane programowana dynamcznego: max v(t 1 )B p v(t + 1)A v(t)b, t = 0, 1,, t 1 1 v(0) = v 0 (dane). (16) Jest to zadane maksymalzacj wartośc produkcj w końcowym okrese horyzontu {0, 1,, t 1 }, merzonej w cenach von Neumanna p 0, na zborze wszystkch (v 0, t 1 )-dopuszczalnych trajektor ntensywnośc. Jego rozwązane {v (t) } t 1 nazywamy (v 0, t 1, p)- optymalną trajektorą ntensywnośc. Cąg {x (t) } t 1, {y (t) } t 1, 3 Innym słowy przy założenu (III) w żadnej przestrzen ntensywnośc, nakładów, produkcj ne ma dwóch różnych magstral (o różnej strukturze). Założene to znaczne ułatwa dowód twerdzena 3, choć ne jest generalne wymagane przy dowodach nnych twerdzeń o magstral formułowanych w lteraturze, por. prace wymenone we wstępe.
9 O pewnej prostej wersj słabego twerdzena o magstral w modelu von Neumanna 83 gdze x (t) = v (t)a oraz y (t) = v (t)b, nazywamy (x 0, t 1, p)- optymalną trajektorą nakładów (z początkowym wektorem nakładów x 0 = v 0 A) oraz (y 0, t 1, p)-optymalną trajektorą produkcj (z początkowym wektorem produkcj y 0 = v 0 B). O trójce {v (t), x (t), y (t) } t 1 mówmy, że opsuje optymalny proces wzrostu w modelu von Neumanna. 4. SŁABE TWIERDZENIE O MAGISTRALI W lteraturze znanych jest wele twerdzeń o stablnośc typu magstralnego optymalnych procesów wzrostu w modelach von Neumanna-Gale a-leontefa (por. załączoną bblografę). Choć nekedy modele te znaczne różną sę mędzy sobą, stota dowodzonych na ch grunce twerdzeń pozostaje ta sama. Wszystke głoszą, że bez względu na początkowy stan gospodark, procesy wzrostu optymalne w sense obszernej klasy kryterów wzrostu (ne tylko kryterum maksymalzacj wartośc produkcj w końcowym okrese ustalonego horyzontu) prawe zawsze przebegają w dowolne blskm otoczenu magstral. Zbeżność jest tym wyraźnejsza, m dłuższy jest zakładany horyzont gospodark. Magstrale jawą sę jako drog szybkego ruchu do których pownna zmerzać (ewentualne, po których pownna poruszać sę) każda racjonalne rozwjająca sę gospodarka. Tempo wzrostu na magstralach jest bowem maksymalnym tempem możlwym do osągnęca przez gospodarkę. Twerdzene 3 (Radner). Jeżel spełnone są założena (I), (III) (IV) to dla dowolnej lczby ε>0 stneje taka lczba naturalna k ε > 0, że lczba okresów czasu, w których zachodz choćby jeden z warunków v (t) v (t) x sv (t) ε, x (t) y sx (t) ε, y (t) ss ε (17) ne przekracza k ε. Lczba k ε ne zależy od długośc horyzontu t 1. Dowód. Pokażemy najperw, że dla dowolnej lczby ε>0 stneje taka lczba δε v > 0, ż warunek v v sv ε (18) pocąga za sobą nerówność vb p (α N δ v ε)va p 0. (19) Przy dowodze wystarczy ogranczyć sę do wektorów ntensywnośc v 0 unormowanych do 1, gdyż jeżel jakkolwek wektor v 0 spełna warunk (18), (19), to spełna je także wektor λv, gdze λ jest dowolną lczbą dodatną. Zbór V ε = { v S+(1) n v s v ε }
10 84 Eml Panek jest zwarty oraz dla każdego v V ε v N v, czyl vb p α N va p < 0 (20) (zgodne z założenem (III)), tzn. va p > 0 dla każdego v V ε. Poneważ β(v, p) = stneje lczba vb p va p jest cągłą na V ε funkcją zmennej v, węc (wobec (20)) β = max v V ε β(v, p) <α N, czyl α N δε v β dla pewnej lczby δε v > 0, skąd wnoskujemy, że dla każdego v V ε α N δε v vb p va p, co prowadz do warunku (19). Podobne dowodz sę, że dla dowolnej lczby ε>0 stneją take lczby δε x > 0, δε y > 0, ż nerówność x x sx ε pocąga za sobą vb p (α N δε)va x p 0, a nerówność y y sy ε pocąga za sobą nerówność vb p (α N δε)va y p 0, gdze x = va, y = vb. Borąc δ ε = mn{δε,δ v ε,δ x ε} y dochodzmy do wnosku, ż dla dowolnej lczby ε>0 stneje taka lczba δ ε > 0, że jeżel zachodz którakolwek z nerównośc v v x sv ε, x y sx ε, y sy ε (gdze x = va, y = vb), to vb p (α N δ ) εva p 0. (21) Nech {v (t) } t 1 będze (v 0, t 1, p)- optymalną trajektorą ntensywnośc rozwązanem zadana (16). Wówczas, zgodne z (4) v (t) B p α N v (t)a p, t = 0, 1,, t 1 oraz (w myśl (7)), czyl v (t + 1) A v (t)b, t = 0, 1,, t 1 1 v (t + 1) A p v (t)ab p α N v (t)a p, t = 0, 1,, t 1 1. (22)
11 O pewnej prostej wersj słabego twerdzena o magstral w modelu von Neumanna 85 Nech L będze zborem tych okresów czasu, w których zachodz którykolwek z warunków (17). Nech n ε będze lczbą elementów zboru L. Wówczas Z (22), (23) otrzymujemy nerówność v (t + 1) A p (α M δ ε )v (t)a p dla t L. (23) v (t 1 )A p α t 1 n ε N (α N δ ε ) n ε v 0 A p. (24) Poneważ v 0 > 0, węc (przy założenu (III) ) stneje taka lczba σ>0, że 0 <σ s v A v 0 B, wobec tego stneje (v 0 t 1 ) dopuszczalna trajektora {ṽ(t) } τ : ṽ(t) = v 0, α t 1 N σ sv, dla dla t = 0 t = 1,, t 1. Wówczas v (t 1 ) B p ṽ(t 1 ) B p = α t 1 1 N σ sv B p > 0. (25) Łącząc warunk (24) (25) (zważywszy, że v (t 1 ) B p α N v (t 1 )A p) otrzymujemy: 0 <α t 1 1 N σ sv B p v (t 1 ) B p α N v (t 1 )A p α t 1 n ε +1 N (α N δ ε ) n ε v 0 A p, co pozwala na oszacowane górnego ogranczena lczby n ε : n ε μ = ln A ln α ln(α N δ ε ), gdze A = α2 N v0 A p σ s v B p > 0. W charakterze lczby k ε wystarczy wząć najmnejszą lczbę naturalną wększą od mn{0,μ}. LITERATURA [1] Araujo A., Schenkman J.A. [1977], Smoothness, Comparatve Dynamcs and Turnpke Property, Econometrca, 43/1977. [2] Blot J., Crettez B., [2007], On the Smoothness of Optmal Path II: Some Local Turnpke Results, Decson Econom. Fnance, nr 2/2007. [3] Contrbuton to the von Neumann Growth Model, (Bruckman G., Weber W. red.) [1971], Sprnger Verlag, New York -Wen. [4] Czeremnych J., N. [1982], Analz powedenja trajektor dynamk narodnochazajstwennych modelej, Nauka, Moskwa. [5] Czeremnych J., N. [1986], Matematczeskje model razwtja narodnogo chazajstwa, MGU, Moskwa. [6] Czerwńsk Z., [1973], Podstawy matematycznych model wzrostu gospodarczego, PWE, Warszawa. [7] Gale D., [1969], Teora lnowych model ekonomcznych, PWN, Warszawa.
12 86 Eml Panek [8] Gantz D.T. [1980], A Strong Turnpke Theorem for Nonstatonary von Neumann-Gale Producton Model, Econometrca t. 48, nr 7/1980. [9] Guerrero-Luchtenberg C.L. [2000], A Unform Neghborhood Turnpke Theorem and Applcatons, Journal of Math. Econ. 34/2000. [10] Handbook of Mathematcal Economcs, (Arrow K.J., Intrglator M.D. red.) [1982], t.ii, North- Holland, Amsterdam-New York-Oxford. [11] John von Neumann and Modern Economcs, (Dove M., Chakravorty S., Goodwn R. - red.) [1989], Clarendon Press, Oxford. [12] Kemeny J.G., Morgenstern O., Thompson G.L. [1956], A Generalzaton of the von Neumann Model of Expandng Economy, Econometrca 24/1956. [13] Krass J.A. [1976], Matematczeskje model ekonomczeskoj dnamk, Sowetskoje Rado, Moskwa. [14] Makarow W.L., Rubnow A.M. [1973], Matematczeskaja teora ekonomczeskoj dnamk rawnowesja, Nauka, Moskwa. [15] Marena M., Montruccho L., [1999], Neghborhood Turnpke Theorem for Contnous Tme Optmzaton Models, Journal Optm. Theory Appl. 101/1999. [16] Mathematcal Models of Economcs, (Łoś J., Łoś M. red.) [1974], North-Holland, Amsterdam. [17] McKenze L.W. [1976], Turnpke Theory, Econometrca, t.44, nr 5/1976. [18] McKenze L.W. [1998], Turnpkes, Amercan Econ. Rev. 88 (22)/1998. [19] Montruccho L. [1995], A New Turnpke Theorem for Dscounted Programs, Econ. Theory, 5/1995. [20] Morshma M. [1964], Equlbrum, Stablty and Growth, Clarendon Press, Oxford. [21] Morshma M. [1969], Theory of Economc Growth, Clavendon Press, Oxford. [22] Mowszowcz S.M. [1969], Teoremy o magstral w modelach Neumanna-Gale a, Ekonomka matematczeskje metody, nr 6/1969. [23] Mowszowcz S.M. [1972], Magstralnyj rost w dnamczeskch narodnochozastwennych modelach, Ekonomka matematczeskje metody, nr 2/1972. [24] Nkado H., [1968], Convex Structers and Economc Theory, Acad. Press, New York. [25] Panek E., [1985], Asymptotyka optymalnych trajektor w welosektorowym modelu wzrostu, Przegląd statystyczny nr 2/1985. [26] Panek E., [1985], Słabe twerdzene o magstral konsumpcyjnej w welosektorowym modelu wzrostu, Przegląd Statystyczny nr 3/1985. [27] Panek E., [1986], Asymptotyka trajektor produkcj w dynamcznym modelu Leontefa, Przegląd Statystyczny nr 2/1986. [28] Panek E., [1987], O pewnej wersj twerdzena o magstral w welosektorowym modelu wzrostu, Przegląd Statystyczny nr 1/1987. [29] Panek E., [1988], Consumpton Turnpke n a Nonlnear Model of Input-Output Type, w: Input Output Analyss. Current Developments, red. M. Chaschn, Chapman and Hall Ltd., London-New York. [30] Panek E., [1992], Optmal Trajectores n a Multsectoral Model of Economc Growth, Computers and mathematcs wth Applcatons, nr 8-9 (24)/1992. [31] Panek E., [1992], Bardzo slne twerdzene o magstral w welosektorowym modelu wzrostu, Przegląd Statystyczny nr 3-4/1992. [32] Panek E., [1997], Slne twerdzene o magstral w welosektorowym modelu wzrostu, Wersja szczególna, Przegląd Statystyczny nr 1/1997. [33] Radner R.[1961], Path of Economc Growth that are Optmal wth Regard only to Fnal States: A Turnpke Theorem, Revew of Econ. Studes, XXVIII, [34] Takayama A. [1985], Mathematcal Economcs, Cambrdge Unv. Press, Cambrdge. [35] Tsuku J., Murokam Y. [1978], Turnpke Optmalty n Input-Output Systems. Theory and Applcatons for Plannng, North-Holland, Amsterdam-New York-Oxford.
13 O pewnej prostej wersj słabego twerdzena o magstral w modelu von Neumanna 87 [36] Von Neumann J. [1945], A Model of General Economc Equlbrum, Rev. Econ. Studes, 13/ [37] Zaslawsk A.J. [2000], Turnpke Theorem for Nonautonomous Infnte Dmensonal Dscrete-Tme Control Systems, Optmzaton, 48/2000. [38] Zaslawsk A.J. [2004], A Turnpke Result for Autonomous Varatonal Problems, Optmzaton, 53/2004. [39] Zaslawsk A.J. [2006], Turnpke Propertes n the Calculus of Varatons and Optmal Control, Sprnger Scence & Busness Meda, Inc New York. O PEWNEJ PROSTEJ WERSJI SŁABEGO TWIERDZENIA O MAGISTRALI W MODELU VON NEUMANNA Streszczene Prezentujemy klasyczną wersję modelu von Neumanna, którego postać nawązuje do prac [4-7, 12, 16, 24]. Przytaczamy prosty dowód stnena stanu równowag oraz słabą wersję twerdzena R. Radnera o magstral w takm modelu. Słowa kluczowe: równowaga von Neumanna, stacjonarny optymalny proces wzrostu, efekt magstral JEL codes: O41 A SIMPLE VERSION OF WEAK TURNPIKE THEOREM IN THE VON NEUMANN MODEL Summary In the paper we present a classcal verson of von Neumann model whch refers to works [4-7, 12, 16, 24]. We adduce a smple proof of equlbrum state and a weak verson of R. Radner theorem about turnpke n such model. Key words: von Neumann theorem, statonary and optmal growth process, turnpke effect (result)
EMIL PANEK, HENRYK J. RUNKA DWA TWIERDZENIA O MAGISTRALI W MODELU VON NEUMANNA 1. WSTĘP
PRZEGLĄD STATYSTYCZY R. LIX ZESZYT 2 2012 EMIL PAEK, HERYK J. RUKA DWA TWIERDZEIA O MAGISTRALI W MODELU VO EUMAA 1. WSTĘP W pracy [5] przedstawiono prosty dowód słabego twierdzenia o magistrali w modelu
Bardziej szczegółowoPokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem
Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych
Bardziej szczegółowo5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim
5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną
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 szczegółowoZestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.
Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :
Bardziej szczegółowoZAKRZYWIONA MAGISTRALA W NIESTACJONARNEJ GOSPODARCE GALE A. CZĘŚĆ II
PRZEGLĄD STATYSTYCZNY R. LXII ZESZYT 4 2015 EMIL PANEK 1 ZAKRZYWIONA MAGISTRALA W NIESTACJONARNEJ GOSPODARCE GALE A. CZĘŚĆ II 1. WSTĘP Obrazem geometrycznym zakrzywionej magistrali w niestacjonarnej gospodarce
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 szczegółowop Z(G). (G : Z({x i })),
3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W
Bardziej szczegółowoZAKRZYWIONA MAGISTRALA W NIESTACJONARNEJ GOSPODARCE GALE A. CZĘŚĆ I
PRZEGLĄD STATYSTYCZNY R. LXII ZESZYT 2 2015 EMIL PANEK 1 ZAKRZYWIONA MAGISTRALA W NIESTACJONARNEJ GOSPODARCE GALE A. CZĘŚĆ I 1. WSTĘP W teorii magistral mimo upływu czasu do nielicznych należą prace poświęcone
Bardziej szczegółowoALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO
ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO NA PODSTAWIE REFERATU JUSTYNY KOSAKOWSKIEJ. Moduły prnjektywne posety skończonego typu prnjektywnego Nech I będze skończonym posetem. Przez max
Bardziej szczegółowoDiagonalizacja macierzy kwadratowej
Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an
Bardziej szczegółowo2012-10-11. Definicje ogólne
0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj
Bardziej szczegółowo1 Przestrzenie statystyczne, statystyki
M. Beśka, Statystyka matematyczna, wykład 1 1 1 Przestrzene statystyczne, statystyk 1.1 Rozkłady zmennych losowych Nech Ω, F, P ) będze ustaloną przestrzeną probablstyczną, a X : Ω IR zmenną losową na
Bardziej szczegółowoV. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH
Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów
Bardziej szczegółowoPodstawowe twierdzenia
Rozdzał 3 Podstawowe twerdzena 3.1 Istnene rozwazań lokalnych Rozpocznjmy od odpowedz na ogólne pytane: jake warunk mus spełnać równane różnczkowe zwyczajne, aby stnało jego rozwązane kedy rozwązane to
Bardziej szczegółowoTwierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że
Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam
Bardziej szczegółowoMATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5
MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając
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 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 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 szczegółowo5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy
5. Maszyna Turnga = T Q skończony zór stanów q 0 stan początkowy F zór stanów końcowych Γ skończony zór symol taśmy T Γ alfaet wejścowy T Γ symol pusty (lank) δ: Q Γ! 2 Q Γ {L,R} funkcja
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 szczegółowoI. Elementy analizy matematycznej
WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem
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 szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoProste modele ze złożonym zachowaniem czyli o chaosie
Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok
Bardziej szczegółowoRUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.
RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu
Bardziej szczegółowoFunkcje i charakterystyki zmiennych losowych
Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych
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 szczegółowoSztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311
Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy
Bardziej 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 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 szczegółowoBADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda
BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp
Bardziej szczegółowo8. Optymalizacja decyzji inwestycyjnych
dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.
Bardziej szczegółowoWykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.
Wykład Zagadnene brzegowe lnowe teor sprężystośc. Metody rozwązywana, metody wytrzymałośc materałów. Zestawene wzorów określeń. Układ współrzędnych Kartezańsk, prostokątny. Ose x y z oznaczono odpowedno
Bardziej szczegółowoProgramowanie Równoległe i Rozproszone
Programowane Równoległe Rozproszone Wykład Programowane Równoległe Rozproszone Lucjan Stapp Wydzał Matematyk Nauk Informacyjnych Poltechnka Warszawska (l.stapp@mn.pw.edu.pl) /38 PRR Wykład Chcemy rozwązać
Bardziej szczegółowoPortfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego
Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 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 szczegółowo11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.
/22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:
Bardziej szczegółowoOdtworzenie wywodu metodą wstępującą (bottom up)
Przeglądane wejśca od lewej strony do prawej L (k) Odtwarzane wywodu prawostronnego Wystarcza znajomosc "k" następnych symbol łańcucha wejścowego hstor dotychczasowych redukcj, aby wyznaczyc jednoznaczne
Bardziej szczegółowoV. TERMODYNAMIKA KLASYCZNA
46. ERMODYNAMIKA KLASYCZNA. ERMODYNAMIKA KLASYCZNA ermodynamka jako nauka powstała w XIX w. Prawa termodynamk są wynkem obserwacj welu rzeczywstych procesów- są to prawa fenomenologczne modelu rzeczywstośc..
Bardziej szczegółowoModel ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)
Model odstawowe założena modelu: ceny płace mogą ulegać zmanom (w odróżnenu od poprzedno omawanych model) punktem odnesena analzy jest obserwacja pozomu produkcj cen (a ne stopy procentowej jak w modelu
Bardziej 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 szczegółowo5. OPTYMALIZACJA GRAFOWO-SIECIOWA
. OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,
Bardziej szczegółowoMECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko
MECHANIKA Wykład Nr 10 MOMENT BEZWŁADNOŚCI Prowadzący: dr Krzysztof Polko Defncja momentu bezwładnośc Momentem bezwładnośc punktu materalnego względem płaszczyzny, os lub beguna nazywamy loczyn masy punktu
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 szczegółowoPODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH
PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających
Bardziej szczegółowoModelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja
Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest
Bardziej szczegółowof(x, y) = arctg x y. f(u) = arctg(u), u(x, y) = x y. x = 1 1 y = y y = 1 1 +
Różnczkowalność pocodne Ćwczene. Znaleźć pocodne cz astkowe funkcj f(x, y) = arctg x y. Rozw azane: Wdać, że funkcj f można napsać jako f(u(x, y)) gdze f(u) = arctg(u), u(x, y) = x y. Korzystaj ac z reg
Bardziej szczegółowoRównania rekurencyjne na dziedzinach
Marek Materzok Równana rekurencyjne na dzedznach Pommo, ż poczynłem starana, aby praca ta była możlwe kompletna wolna od błędów, ne mogę zagwarantować, że ne wkradły sę do nej żadne neścsłośc czy pomyłk.
Bardziej szczegółowoP 1, P 2 - wektory sił wewnętrznych w punktach powierzchni F wokół punktu A
TEORI STNU NPRĘŻENI. WEKTOR NPRĘŻENI r x P P P P, P - wektory sł wewnętrznych w unktach owerzchn wokół unktu P P r, P - suma sł wewnętrznych na owerzchn P P P P średna gęstość sł wewnętrznych na owerzchn
Bardziej szczegółowoPRZEGLĄD STATYSTYCZNY
POLSKA AKADEMIA NAUK KOMITET STATYSTYKI I EKONOMETRII PRZEGLĄD STATYSTYCZNY STATISTICAL REVIEW TOM 59 2 2012 WARSZAWA 2012 WYDAWCA Komitet Statystyki i Ekonometrii Polskiej Akademii Nauk RADA REDAKCYJNA
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 szczegółowo6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO
Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację
Bardziej szczegółowoDiagnostyka układów kombinacyjnych
Dagnostyka układów kombnacyjnych 1. Wprowadzene Dagnostyka obejmuje: stwerdzene stanu układu, systemu lub ogólne sec logcznej. Jest to tzw. kontrola stanu wykrywająca czy dzałane sec ne jest zakłócane
Bardziej 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 szczegółowoReprezentacja martyngałowa względem addytywnych procesów Markowa-Itô
Reprezentacja martyngałowa względem addytywnych procesów Markowa-Itô Instytut Matematyk Unwersytetu Jagellońskego Instytut Nauk Ekonomcznych PAN Wynk wspólne z prof. Ł. Stettnerem (IM PAN) prof. Z. Palmowskm
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 szczegółowoELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany
Wykład II ELEKTROCHEMIA Wykład II b Nadnapęce Równane Buttlera-Volmera Równana Tafela Równowaga dynamczna prąd wymany Jeśl układ jest rozwarty przez elektrolzer ne płyne prąd, to ne oznacza wcale, że na
Bardziej szczegółowoMETODA ELEMENTU SKOŃCZONEGO. Termokinetyka
METODA ELEMENTU SKOŃCZONEGO Termoknetyka Matematyczny ops ruchu cepła (1) Zasada zachowana energ W a Cepło akumulowane, [J] P we Moc wejścowa, [W] P wy Moc wyjścowa, [W] t przedzał czasu, [s] V q S(V)
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje
Bardziej szczegółowoTriopol jako gra konkurencyjna i kooperacyjna
Unwersytet Warszawsk Wydzał Nauk Ekonomcznych Joanna Dys Nr albumu: 996 Tropol jako gra konkurencyjna kooperacyjna Praca lcencjacka na kerunku: Ekonoma Praca wykonana pod kerunkem dra Maceja Sobolewskego
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 szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS METODA PROGRAMOWANIA LINIOWEGO. PRZYKŁAD ZASTOSOWANIA W ROLNICTWIE
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn., Oeconomca 2014, 308(74)1, 7 16 Agneszka Barczak METODA PROGRAMOWANIA LINIOWEGO. PRZYKŁAD ZASTOSOWANIA W ROLNICTWIE
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 szczegółowoMakroekonomia Gospodarki Otwartej Wykład 8 Polityka makroekonomiczna w gospodarce otwartej. Model Mundella-Fleminga
Makroekonoma Gospodark Otwartej Wykład 8 Poltyka makroekonomczna w gospodarce otwartej. Model Mundella-Flemnga Leszek Wncencak Wydzał Nauk Ekonomcznych UW 2/29 Plan wykładu: Założena analzy Zaps modelu
Bardziej szczegółowoWstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra
Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład
Bardziej szczegółowoAnaliza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH
Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. 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 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 szczegółowotermodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi
fzka statstczna stan makroskopow układ - skończon obszar przestrzenn (w szczególnośc zolowan) termodnamka fenomenologczna p, VT V, teora knetczno-molekularna termodnamka statstczna n(v) stan makroskopow
Bardziej szczegółowoArytmetyka finansowa Wykład z dnia 30.04.2013
Arytmetyka fnansowa Wykła z na 30042013 Wesław Krakowak W tym rozzale bęzemy baać wartość aktualną rent pewnych, W szczególnośc, wartość obecną renty, a równeż wartość końcową Do wartośc końcowej renty
Bardziej szczegółowoKOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K)
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Mchał Kolupa Poltechnka Radomska w Radomu Joanna Plebanak Szkoła Główna Handlowa w Warszawe KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO
Bardziej szczegółowoKolokwium poprawkowe z Optymalizacji II (Ściśle tajne przed godz. 16 : stycznia 2016.)
Kolokwum z Optymalzacj II Ścśle tajne przed godz 4 : 00 8 grudna 05) Proszę uważne przeczytać treść zadań Na ocenę bardzo duży wpływ będze mała czytelność rozwązań poprawność uzasadnena każdej odpowedz
Bardziej szczegółowoANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO
Artur Zaborsk Unwersytet Ekonomczny we Wrocławu ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Wprowadzene Od ukazana
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 szczegółowoRóżniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k
Różnczkowalność, pochodne, ekstremum funkcj Ćwczene 1 Polczyć pochodn a kerunkow a funkcj: 1 1 1 x 1 x 2 x k ϕ(x 1,, x k ) x 2 1 x 2 2 x 2 k x k 1 1 x k 1 2 x k 1 w dowolnym punkce p [x 1, x 2,, x k T
Bardziej szczegółowoKomputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2007/08 Podstawowe fakty Równane Ax = b, x, b R N, A R N N (1) ma jednoznaczne
Bardziej szczegółowo; -1 x 1 spełnia powyższe warunki. Ale
AIB-Inormatka-Wkła - r Aam Ćmel cmel@.ah.eu.pl Funkcje uwkłane Przkła.ozważm równane np. nech. Ptane Cz la owolneo [] stneje tak że? Nech. Wówczas unkcja - spełna powższe warunk. Ale [ ] Q spełna je także
Bardziej szczegółowoMinister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.
Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego
Bardziej szczegółowoInstrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne
Instrukca do ćwczeń laboratorynych z przedmotu: Badana operacyne Temat ćwczena: Problemy rozkrou materałowego, zagadnena dualne Zachodnopomorsk Unwersytet Technologczny Wydzał Inżyner Mechanczne Mechatronk
Bardziej szczegółowoROZDZIAŁ 3 INTERPRETACJA PARADOKSU ALLAISA ZA POMOCĄ MODELU KONFIGURALNIE WAŻONEJ UŻYTECZNOŚCI
Elżbeta Babula Anna Blajer-Gołębewska ROZDZIAŁ 3 INTERPRETACJA PARADOKSU ALLAISA ZA POMOCĄ MODELU KONFIGURALNIE WAŻONEJ UŻYTECZNOŚCI Wprowadzene Jednym z podstawowych założeń ekonom jest postulat racjonalnośc
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny
Bardziej szczegółowoEKONOMETRIA. Zastosowanie matematyki w ekonomii. Redaktor naukowy Janusz Łyko
EKONOMETRIA 26 Zastosowane matematyk w ekonom Redaktor naukowy Janusz Łyko Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu Wrocław 2009 Sps treśc Wstęp 7 Beata Bal-Domańska, Ekonometryczna analza sgma
Bardziej szczegółowoAPROKSYMACJA QUASIJEDNOSTAJNA
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy
Bardziej szczegółowoOligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją
Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowo(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy
(MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek
Bardziej szczegółowoZapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.
Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane
Bardziej szczegółowoModel IS-LM-BP. Model IS-LM-BP jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak
Ćwczena z Makroekonom II Model IS-LM- Model IS-LM- jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak gospodarka taka zachowuje sę w krótkm okrese, w efekce dzałań podejmowanych w ramach
Bardziej szczegółowoWSPOMAGANIE KOOPERACJI Z WYKORZYSTANIEM TEORII GIER I ANALIZY WIELOKRYTERIALNEJ
Macej Wolny WPOMAGANIE KOOPERACJI Z WYKORZYTANIEM TEORII GIER I ANALIZY WIELOKRYTERIALNEJ Wprowadzene Kooperacja mędzy organzacjam ma stotne znaczene w życu gospodarczym. Podmoty gospodarcze lub ch poszczególne
Bardziej szczegółowoKONSPEKT WYKŁADU. nt. METODA ELEMENTÓW SKOŃCZONYCH TEORIA I ZASTOSOWANIA. Piotr Konderla
Studa doktorancke Wydzał Budownctwa Lądowego Wodnego Poltechnk Wrocławskej KONSPEKT WYKŁADU nt. METODA ELEMENTÓW SKOŃCZONYCH TEORIA I ZASTOSOWANIA Potr Konderla maj 2007 Kurs na Studach Doktoranckch Poltechnk
Bardziej szczegółowoPrawdopodobieństwo geometryczne
Prawdopodobeństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźne wypełna wnętrze kwadratu [0 x ; 0 y ]. Znajdź p-stwo, że dowolny punkt
Bardziej szczegółowoPodstawy teorii falek (Wavelets)
Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc
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 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 szczegółowoDr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki
Dr nż. Robert Smusz Poltechnka Rzeszowska m. I. Łukasewcza Wydzał Budowy Maszyn Lotnctwa Katedra Termodynamk Projekt jest współfnansowany w ramach programu polskej pomocy zagrancznej Mnsterstwa Spraw Zagrancznych
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 szczegółowo7. Wykład VII: Warunki Kuhna-Tuckera
Wocech Grega, Metody Optymalzac 7 Wykład VII: Warunk Kuhna-Tuckera 7 Warunk koneczne stnena ekstremum Rozważane est zadane z ogranczenam nerównoścowym w postac: mn F( x ) x X X o F( x ), o { R x : h n
Bardziej szczegółowo