STUDIA METODOLOGICZNE

Wielkość: px
Rozpocząć pokaz od strony:

Download "STUDIA METODOLOGICZNE"

Transkrypt

1 NR 3 (6) MARZEC 03 CZASOPISMO GÓWNEGO URZDU STATYSTYCZNEGO I POLSKIEGO TOWARZYSTWA STATYSTYCZNEGO STUDIA METODOLOGICZNE Domnk LIWICKI Ww gównch cznnków makroekonomcznch na bezroboce dugookresowe Wedug teor makroekonom bezroboce dugookresowe jest rzejawem trwaej nerównowag na rnku rac, bdcej rezultatem rzewag oda s roboczej nad otem, a take nedoasowana, kwalfkacj s roboczej do otrzeb rnku rac. Bezroboce dugookresowe, czl trwajce owej dwunastu mesc, ma wczne negatwne konsekwencje zarówno w sferze ekonomcznej, jak te soecznej oraz osobstej (Wojdo-Presner, 009). Skutkem ekonomcznm s w szczególnoc newkorzstane kwalfkacje zdolnoc bezrobotnch, a jednoczene koneczno ch subwencjonowana z fundusz soecznch (Zarchta, 994). We s to ze zmnejszenem wwów do budetu astwa jednoczene ze zwkszenem wdatków zwzanch z fnansowanem omoc soecznej oraz aktwnch form ogranczana bezroboca. Kolejn konsekwencj bezroboca dugookresowego jest ksztatowane s rodukcj faktcznej na ozome nszm od rodukcj otencjalnej, tzn. molwej do osgnca w warunkach enego zatrudnena (Hall, Talor, 000). Bezroboce dugookresowe wwera równe stotn ww na walk z nflacj. Wzrost bezroboca owoduje zazwczaj sadek resj na wzrost ac ze stron racujcch. Jednak w rzadku bezroboca dugookresowego ne mus to b rawda, onewa osob ozostajce dugo bez rac ne stanow dla racujcch konkurencj w staranach o mejsca rac z uwag na utrat kwalfkacj

2 umejtnoc zawodowch. Gd zatem wraz ze wzrostem bezroboca nastuje wzrost bezroboca dugookresowego, racujc ne musz owstrzmwa da acowch, co w konsekwencj owoduje naslene tendencj nflacjnch (Kucharsk, Kwatkowsk, 00). Jednm z wanejszch skutków bezroboca dugookresowego jest ogorszene ooena materalnego osób ozostajcch dugo bez rac, rz jednoczesnm zmnejszenu rawdoodobestwa znalezena onownego zatrudnena. W sferze soecznej dugotrwae bezroboce owoduje degradacj zawodow, wwa na zman w schce owoduje wzrost zagroena zjawskam atologcznm. Bezrobotn dugookresowo to osoba ozostajca w rejestrze owatowego urzdu rac owej dwunastu mesc. Ustawa z 0 IV 004 r. o romocj zatrudnena nsttucjach rnku rac, obowzujca od VI 004 r. (Dz. U. z 004 r. Nr 99, oz. 00, z ónejszm zmanam), defnuje natomast dugotrwale bezrobotnego jako osob ozostajc w rejestrze owatowego urzdu rac czne rzez okres onad mesc w okrese ostatnch lat, z wczenem okresów odbwana stau rzgotowana zawodowego osób dorosch. Celem artkuu jest róba okrelena wwu gównch zmennch makroekonomcznch na rawdoodobestwo ozostawana dugookresowo bezrobotnm rzez zarejestrowanego bezrobotnego oraz na sam lczb bezrobotnch dugookresowo. W oracowanu rzedstawono wnk oszacowana logtowego modelu ekonometrcznego dla makrodanch oraz modelu rzcznowo- -skutkowego. TEORETYCZNE PODSTAWY MODELI LOGITOWYCH DLA MAKRODANYCH Modele logtowe nale do gru model jakocowch, tzn. takch, w którch zmenna objanana Y jest zmenn jakocow rzjmujc najczcej dwe wartoc: 0 lub. Model logtow rzjmuje osta (Maddala, 008): gdze: *... u * ln 0 zmenna neobserwowalna, ln logt, j u arametr strukturaln modelu, skadnk losow, k k

3 3 j wartoc zmennch objanajcch modelu, rawdoodobestwo rzjca rzez zmenn zalen wartoc, wznaczone na odstawe funkcj gstoc rozkadu logstcznego: ( ) ( ) ( ) ( ) ( ) k k e e P... 0 e e e Zmenn neobserwowaln * nazwa s zmenn ukrt. Tm, co obserwujem jest zmenna zero-jednkowa ostac: > 0 0; 0 ; * * Estmacj model logtowch dokonuje s najczcej za omoc metod najwkszej wargodnoc. W erwszm kroku tej metod okrela s funkcj wargodnoc, która dla dchotomcznej zmennej Y rzjmuje osta (Gruszczsk, 00): n n L ) ( Ze wzgldów numercznch wgodnej jest jednak analzowa logartm funkcj wargodnoc, któr dla modelu logtowego jest okrelon wzorem: )] ln( ) ( [ ln 0 0 q q n q q e L Oszacowane arametrów olega na takm doborze wartoc wsócznnków, ˆ,, ˆ, ˆ, ˆ 0 q które maksmalzuj logartm funkcj wargodnoc. Modele logtowe szacowane s najczcej na mkrodanch (n. dotczcch konkretnch osób). Zdarzaj s stuacje, e zamast obserwacj 0 dla zmennej Y znane s frakcje tch obserwacj w gruach jednostek, którch ndwdualne cech ne s rozrónalne. W takm rzadku dsonujem agregatam danch ndwdualnch, czl makrodanm. Wkorzstane makrodanch stotne zmena sosób estmacj modelu zmennej jakocowej. Jel dsonu-

4 n na zmennej Y dla danego wektora, to cz- jem du lczb obserwacj sto: P m n jest rawdoodobestwem emrcznm bdcm oszacowanem rawdoodobestwa P( ), z kole m jest lczb obektów, dla którch zmenna Y rzjmuje warto dla. Oznacza to, e w mejsce neznanch mona osugwa s znanm P, rz czm P u, gdze u jest bdem szacunku rawdzwej czstoc. Model mona oszacowa za omoc uogólnonej metod najmnejszch kwadratów. Estmator arametrów rzjmuje osta: ˆ ( ˆ ˆ X ' X ) X ' P l gdze: P l wektor o elementach ln, P P macerz dagonalna rz zaoenu braku skorelowana u dla rónch gru, czl cov( u, ) 0 dla j z elementam ; h n (. ) u j 0,5 h Najwksz warto oznawcz daj efekt kracowe oraz loraz szans. Efekt kracowe oblczane s dla rednch wartoc zmennch objanajcch nterretowane jako ww zmennej objanajcej na rawdoodobestwo sukcesu. Efekt kracowe w modelu logtowm ne s stae zale od zmennch objanajcch: X j e( ) j [ e( )] ( ) j Iloraz szans natomast nterretowane s jako rocentow ww jednostkowej zman wartoc zmennej objanajcej na loraz szans lczon jako stosunek rawdoodobestwa sukcesu do rawdoodobestwa orak. Jel oznaczm (Gruszczsk, 00): e( ) e( X X... X ) ( ) 0 k k 4

5 to: gdze m ( m, X m ) ( m, X ) m wektor bez zmennej X. m e ( ) m Ze wzoru wnka, e rzrost wartoc X j o jednostk we s, ceters arbus, z e( m )-krotn zman lorazu szans. W rzadku e( m ) > mam wzrost, a w rzadku e ( ) < mam sadek lorazu szans. m TEORETYCZNE PODSTAWY MODELI PRZYCZYNOWO-SKUTKOWYCH Modelam rzcznowo-skutkowm s modele, w którch omdz zmenn objanan zmennm objanajcm zachodz zwzek rzcznowo- -skutkow. Zmenna objanana modelu stanow skutek bdc rezultatem oddzawana rzczn, czl zmennch objanajcch. Jednm z odej do modelowana rzcznowo-skutkowego jest koncecja dnamcznch model zgodnch. Przez zgodno modelu rozume s zgodno harmoncznej struktur rocesu objananego z czn harmonczn struktur rocesów objanajcch oraz rocesu resztowego, któr jest nezalen od rocesów objanajcch. Kluczow kwest w konstrukcj modelu zgodnego jest rozoznane wewntrznej struktur badanch rocesów. Nech Y t oraz X t (,,, k) oznaczaj odowedno roces objanan oraz wektor rocesów objanajcch. Budow modelu rozoczna s od badana wewntrznej struktur tch rocesów okrelena ch model odstawowch (Kufel, 00): trendu sezonowoc, osujcch nestacjonarno w rednej rocesu gdze: Y X t t P t P t S S t t η t η t P, P welomanowe funkcje trendu stona r, t t S, S skadnk sezonowe, t t η, η stacjonarne autoregresjne roces dla Y t oraz X t; t t model autoregresjnch ϕ ) η ε ( B t t 5

6 ϕ ) η ε ( B t t gdze: ϕ ( B), ϕ ( B) oerator autoregresjne, dla którch wszstke erwastk t t równa ϕ (B) 0 ϕ (B) 0 le oza okrgem jednostkowm, ε, ε bae szum dla Y t oraz X t. Znajomo wewntrznej struktur wszstkch badanch rocesów umolwa zbudowane modelu zgodnego na odstawe zalenoc dla skadnków baoszumowch ostac: ε t k ρ ε t ε t Podstawajc do tego równana modele autoregresjne otrzmuje s model zgodn osujc zaleno omdz rzeczwstm rocesam Y t oraz X t: k ϕ ( B) η ρ ϕ ( B) η ε t Po dalszch rzeksztacenach model ten rzjmuje osta: t t Y t q s ϕ Y s k q t s ϕ* s X ts Pt St j s ε t gdze: q oraz q rzd autoregresj rocesów Y t oraz X t, ϕ s oraz ϕ * s arametr strukturalne modelu. Secfkacja tego modelu wnka z wewntrznch struktur oszczególnch rocesów. Dlatego o oszacowanu w enm modelu mog wstowa zmenne nestotne, które nale elmnowa. Usuwane ch z modelu dorowadz do otrzmana zredukowanego modelu zgodnego, rzedstawajcego rawdzw zaleno, jeel w modelu wjcowm zosta uwzgldnone wszstke nezbdne roces roces resztow ma wasno baego szumu (Patowska, 003). 6

7 DANE STATYSTYCZNE WYKORZYSTANE DO OSZACOWANIA MODELI W celu oszacowana modelu logtowego osujcego ww welkoc makroekonomcznch na rawdoodobestwo wstena bezroboca dugookresowego u bezrobotnego zarejestrowanego w owatowm urzdze rac oraz modelu zgodnego osujcego ww zmennch makroekonomcznch na welko bezroboca dugookresowego, wkorzstano dane kwartalne z okresu od I kwartau 000 r. do II kwartau 0 r. czne 46 obserwacj. W badanu uwzgldnono nastujce zmenne: BEZROB lczba bezrobotnch zarejestrowanch w ts. osób (stan na konec kwartau), BEZROB_ lczba bezrobotnch zarejestrowanch oszukujcch rac owej mesc w ts. osób (stan na konec kwartau), PKB PKB w mld z w cenach stach z II kwartau 0 r., EKSP eksort w mld z w cenach stach z II kwartau 0 r., IMP mort w mld z w cenach stach z II kwartau 0 r., WYN rzectne wnagrodzene w z w cenach stach z II kwartau 0 r., M_WYN mnmalne wnagrodzene w z w cenach stach z II kwartau 0 r., BIZ bezoredne nwestcje zagranczne w Polsce w mld z w cenach stach z II kwartau 0 r., INW nakad nwestcjne w mld z w cenach stach z II kwartau 0 r. Prawdoodobestwo, e dowoln bezrobotn jest bezrobotnm owej BEZROB_ mesc oszacowano za omoc wzoru: P. Nastne wznaczono logt ln P, które stanow zmenn objanan modelu. Struktur BEZROB P ozostach zmennch rzedstawa tabl.. TABL.. STRUKTURA ZMIENNYCH OBJANIAJCYCH MODELU Zmenne Stoe welomanu trendu (r) Wstowane sezonowoc Rzd autoregresj (q) BEZROB_ PKB... 5 EKSP... 5 IMP... WYN... BIZ M_WYN... INW r ó d o: oracowane wasne. 7

8 WYNIKI ESTYMACJI MODELU LOGITOWEGO Model oszacowano za omoc waonej metod najmnejszch kwadratów z wagam okrelonm wzorem: WAGI H 0,5, gdze H. BEZROB P ( P) TABL.. WYNIKI ESTYMACJI PARAMETRÓW MODELU LOGITOWEGO DLA MAKRODANYCH Zmenne Wsócznnk Bd standardow t-studenta Warto Iloraz szans Efekt kracow const... 0,054, , ,96700 M_WYN... 0, ,000305, ,04400**, ,0006 WYN( )... 0, ,00047, ,036900** 0, ,00036 INW( )... 0, ,0056, ,0300** 0, ,0005 INW( )... 0,0096 0,0074 5, ,0000*** 0, ,00367 INW( 3)... 0, ,00795, ,00900*** 0, ,0080 INW( 4)... 0, ,0053 3, ,00300*** 0, ,00398 INW( 5)... 0, ,008 4, ,000400*** 0,995 0,0079 PKB... 0, ,0045 4, ,000300***,0074 0,0064 PKB( )... 0,0076 0,0040 3, ,003000***, ,00877 PKB( )... 0, ,00875, ,030400**, ,00656 PKB( 3)... 0, ,00304, ,075600* 0, ,00066 PKB( 4)... 0,003 0,0083 4, ,000400*** 0, ,00980 EKSP... 0,0004 0, , ,000054*** 0, , EKSP( )... 0, ,0077, ,0900* 0, , EKSP( )... 0,0047 0,00369, ,060800* 0, ,0063 EKSP( 3)... 0, ,00336, ,0800**, ,00486 EKSP( 4)... 0, , , ,003400***, ,00937 IMP... 0, , , ,00000***, , BIZ... 0, ,0008, ,08900** 0, , tme... 0,057 0,04388, ,09500* 0, ,0063 tme^3... 0,0000 0, , ,000040*** 0, , U w a g a. Pozom stotnoc arametrów: *** 0,0, ** 0,05, * 0,0. r ó d o: jak rz tabl.. Przedstawon model zawera zmenne na ozome stotnoc równm 0%. Zmenne nestotne elmnowano z modelu metod a osteror. Wnk oszacowana lorazów szans oraz efektów kracowch dotcz bezrobotnego bez uwzgldnana jego cech osobstch kwalfkacj zawodowch. Efekt kracowe zosta oszacowane dla rednch wartoc analzowanch zmennch. Na odstawe uzskanch wnków mona stwerdz, e wzrost mnmalnego wnagrodzena o z owoduje wzrost rawdoodobestwa, zarejestrowan bezrobotn bdze dugookresowo bezrobotnm redno o 0,0006.roc. Ze wzrostem mnmalnego wnagrodzena o z szansa na bce dugookresowo bezrobotnm rzez zarejestrowanego bezrobotnego wzrasta o 0,07%. 8

9 Wnk te mona tumacz faktem, e wzrost ac mnmalnej zmnejsza skonno racodawców do zatrudnana z uwag na wmuszon rzesam rawa koneczno odwszena kosztów zwzanch z utrzmanem etatu. Przectne wnagrodzene z orzednego kwartau wwa ujemne na rawdoodobestwo bezroboca dugookresowego. Wzrost rzectnego wnagrodzena w gosodarce narodowej o z owoduje sadek rawdoodobestwa bezroboca trwajcego owej mesc redno o 0,00036.roc., jednoczene kad wzrost rednego wnagrodzena w kwartale wczenejszm owoduje sadek molwoc na bezroboce dugookresowe redno o 0,06%. Kolejnm cznnkem wwerajcm stotn ww na bezroboce dugookresowe s nakad nwestcjne. Podane efekt ojawaj s ju o uwe kwartau. Wnk analz wskazuj, e najslnejsz efekt wstuje o uwe dwóch kwartaów wzrost nakadów nwestcjnch w gosodarce narodowej o mld z owoduje sadek rawdoodobestwa bezroboca dugookresowego u zarejestrowanego bezrobotnego o 0,00367.roc., natomast molwo tego bezroboca maleje redno o 0,96%. Najsabsz, ale oztwn efekt wstuje w rzadku nakadów nwestcjnch onesonch w kwartale orzednm wzrost o mld z owoduje sadek rawdoodobestwa bezroboca dugookresowego o 0,0005.roc., a molwo takego bezroboca maleje redno o 0,43%. Zman PKB s wanm cznnkem wwajcm na rozmar bezroboca. Wzrost PKB oznacza zazwczaj dobr stan gosodark srzjajc zmnejszanu rozmarów bezroboca. Na odstawe oszacowanego modelu mona wsnu wnosek, e dla bezrobotnch ozostajcch bez rac owej mesc oztwne efekt zwkszena PKB ojawaj s o uwe co najmnej trzech kwartaów. Wzrost PKB o mld z, wstujc trz czter kwarta wczenej, owoduje rzectne sadek rawdoodobestwa bezroboca dugookresowego w kwartale becm odowedno o 0,00066.roc. 0,00980.roc. Molwo bca bezrobotnm dugookresowo maleje wówczas odowedno o 0,43% oraz,0%. Ne bez znaczena dla rnku rac ozostaje wmana handlowa. Wzrost eksortu o mld z w kwartale becm owoduje rzectn sadek rawdoodobestwa wstena bezroboca dugookresowego o 0, roc., a molwo takego bezroboca maleje o,98%. Sabsz, ale oztwn efekt wwera równe wzrost eksortu odnotowanego jeden oraz dwa kwarta wczenej. W tm rzadku obserwuje s sadek rawdoodobestwa odowedno o 0, roc. oraz 0,0063.roc., a molwo ozostawana bezrobotnm to sadek odowedno o 0,4% oraz 0,47%. Efekt te osabane s wwem eksortu srzed trzech oraz czterech kwartaów. Imort z kole wwa negatwne na dugookresowe bezroboce. Wzrost mortu o mld z owoduje rzectn wzrost rawdoodobestwa bezroboca dugookresowego o 0, roc. Molwo ozostana bezrobotnm fgurujcm w rejestrach ublcznch sub zatrudnena wzrasta wted redno o,88%. 9

10 Ostatnm cznnkem uwzgldnonm w analze s bezoredne nwestcje zagranczne. Ich wzrost o mld z owoduje rzectn sadek rawdoodobestwa bezroboca dugookresowego o 0,00063.roc., a molwo takego bezroboca maleje redno o 0,6%. Na odstawe wnków analz mona równe stwerdz, e wraz z uwem czasu molwoc na ozostawane bezrobotnm owej mesc oraz rawdoodobestwo bca dugookresowo bezrobotnm malej, o czm wadcz ujemne ocen arametrów rz zmennch czasowch. WYNIKI ESTYMACJI MODELU PRZYCZYNOWO-SKUTKOWEGO Oszacowan model rzcznowo-skutkow osuje ww zmennch makroekonomcznch na ozom bezroboca dugookresowego w ujcu globalnm. Jako zmenna objanajca jest tu lczba osób bezrobotnch oszukujcch rac rzez okres owej mesc. TABL. 3. WYNIKI ESTYMACJI PARAMETRÓW MODELU PRZYCZYNOWO-SKUTKOWEGO Zmenne Wsócznnk Bd standardow t-studenta Warto const... 99,80 47,366 3,3 0,005*** M_WYN( )... 0,59 0,086 3,08 0,006*** WYN... 0,60 0,077 3,377 0,00*** WYN( )... 0,88 0,069 4,74 0,000*** PKB( 3)...,45 0,4 5,883 0,000*** PKB( 4)...,9 0,38 5,84 0,000*** EKSP( )...,343 0,95,533 0,08** EKSP( 3)...,530 0,5,939 0,007*** IMP( )...,586 0,743 3,48 0,00*** BIZ... 0,755 0,370,040 0,05* INW( )... 0,959 0,77 5,47 0,000*** BEZROB_POW( )... 0,700 0, 5,7 0,000*** BEZROB_POW( 3)... 0,59 0,50,73 0,096* BEZROB_POW( 4)... 0,07 0,,838 0,078* tme... 37,930 0,57,87 0,073* tme^...,984 0,843,354 0,07** tme^3... 0,07 0,00,709 0,0** r ó d o: jak rz tabl.. Wzrost mnmalnego wnagrodzena o z w kwartale orzednm owoduje rzectn wzrost lczb dugookresowo bezrobotnch redno o 0,59 ts. osób. Wzrost rzectnego wnagrodzena w gosodarce o z w kwartale becm owoduje rzectn wzrost lczb bezrobotnch owej mesc o 0,6 ts. osób. Wzrost ten jest komensowan sadkem lczb bezrobotnch dugookresowo redno o 0,88 ts. osób sowodowanm wzrostem rzectnego wnagrodzena w gosodarce o z w kwartale orzednm. Wzrost PKB o mld z odnotowan trz czter kwarta wczenej owoduje rzectn sadek lczb dugookresowo bezrobotnch odowedno o,45 ts. osób oraz o,9 ts. osób. 0

11 Z kole wzrost wartoc eksortu wstujc kwarta oraz trz kwarta wczenej owoduje rzectn wzrost lczb bezrobotnch owej mesc odowedno o,343 ts. osób oraz o,53 ts. osób. Wzrost ten jest osaban wwem mortu wzrost wartoc mortu o mld z w kwartale orzednm owoduje rzectn sadek lczb dugookresowo bezrobotnch o,586 ts. osób. Bezoredne nwestcje zagranczne oraz nakad nwestcjne wweraj odan ww na rozmar bezroboca dugookresowego. Ich wzrost o mld z owoduje rzectn sadek lczb bezrobotnch dugookresowo o 0,755 ts. osób w rzadku bezorednch nwestcj zagrancznch oraz o 0,959 ts. osób w rzadku nakadów nwestcjnch. Wzrost lczb dugookresowo bezrobotnch w kwartale orzednm o ts. osób ocga za sob wzrost lczb dugookresowo bezrobotnch w kwartale becm redno o 0,7 ts. osób. Zwkszenu lczb bezrobotnch owej mesc srzja równe wzrost wartoc tej zmennej obserwowan czter kwarta wczenej. Z kole wzrostow lczb dugookresowo bezrobotnch odnotowanemu trz kwarta wczenej o ts. osób towarzsz sadek ch lczb redno o 0,59 ts. osób. Uwag kocowe W artkule rzedstawono dwa odmenne odejca do modelowana bezroboca dugookresowego. W erwszm wkorzstuje s logtow model ekonometrczn dla danch makroekonomcznch jako narzdze badana wwu kategor globalnch na statstcznego bezrobotnego. W drugm odejcu model rzcznowo-skutkow osu do badana wwu kategor globalnch na nn kategor globaln, czl ozom bezroboca dugookresowego. dr Domnk lwck Urzd Statstczn w Bdgoszcz, Wsza Szkoa Gosodark w Bdgoszcz LITERATURA Gruszczsk M. (00), Mkroekonometra. Modele metod analz danch ndwdualnch, red., Wolters Kluwer Polska, Warszawa Hall R. E., Talor J. B. (000), Makroekonoma, PWN, Warszawa Kucharsk L., Kwatkowsk E. (00), Bezroboce dugookresowe w Polsce w latach Tendencje, struktura, determnant, [w:] S. Krajewsk, T. Tokarsk (red.), Wzrost gosodarcz, restrukturzacja bezroboce w Polsce. Ujce teoretczne emrczne, Katedra Ekonom Unwerstetu ódzkego Kufel T. (00), Postulat zgodnoc w dnamcznch modelach ekonometrcznch, Wdawnctwo UMK, Toru Maddala G. S. (008), Ekonometra, PWN, Warszawa

12 Patowska M. (003), Modelowane nestacjonarnch rocesów ekonomcznch. Studum metodologczne, Wdawnctwo UMK, Toru Wojdo-Presner M. (009), Proflowane bezrobotnch jako metoda rzecwdzaana bezrobocu dugookresowemu, Wdawnctwo Naukowe UMK, Toru Zarchta H. (994), Skutk koszt bezroboca na lokalnm rnku rac, Praca Zabezeczene Soeczne, nr 6 SUMMARY The artcle resents an eamle analss of the mact of selected macro- -economc varables on a long-term unemloment. A logt econometrc model for macro-data as well as cause-and-effect model were estmated. The frst of these s a tool to stud the mact of macroeconomc statstcal categor on the unemloed and the other s a tool for determnng the drecton and strength of the mact of selected macro-economc varables on the level of long-term unemloment. In both cases, an attemt was made to boost the models.e. the tme factor was taken nto account.., ,.,.

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1)

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1) LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-) wwwmuepolslpl/~wwwzmape Opracował: Dr n Jan Około-Kułak Sprawdzł: Dr hab n Janusz Kotowcz Zatwerdzł: Dr hab n Janusz Kotowcz Cel wczena Celem wczena jest

Bardziej szczegółowo

aij - wygrana gracza I bij - wygrana gracza II

aij - wygrana gracza I bij - wygrana gracza II M.Mszczsk KBO UŁ, Badana operacjne I (cz.) (wkład B 7) GRY KONFLIKTOWE GRY -OSOBOWE O SUMIE WYPŁT ZERO I. DEFINICJE TWIERDZENI Konflktowe gr dwuosobowe opsuje macerz wpłat ( a ) [ ] mxn j,b j gdze: aj

Bardziej szczegółowo

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz System M/M// System ten w odrónenu do wczenej omawanych systemów osada kolejk. Jednak jest ona ogranczona, jej maksymalna ojemno jest wartoc skoczon

Bardziej szczegółowo

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00

Bardziej szczegółowo

Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %)

Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %) Analza dnamk Zad. 1 Indeks lczb studującch studentów w województwe śląskm w kolejnch pęcu latach przedstawał sę następująco: Lata 1 2 3 4 5 Indeks jednopodstawowe z roku t = 1 100,0 115,7 161,4 250,8 195,9

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne XXX OLIPIADA FIZYCZNA TAP I Zadana teoretczne Nazwa zadana ZADANI T1 Na odstawe wsółczesnch badań wadomo że jądro atomowe może znajdować sę tlo w stanach o oreślonch energach odobne ja dobrze znan atom

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne

Bardziej szczegółowo

MODELOWANIE ZALE NO CI MI DZY EKONOMICZNYMI PROCESAMI PRZESTRZENNYMI A POZIOM AGREGACJI DANYCH

MODELOWANIE ZALE NO CI MI DZY EKONOMICZNYMI PROCESAMI PRZESTRZENNYMI A POZIOM AGREGACJI DANYCH A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 53 0 Elbieta Szulc * Iwona Müller-Frczek ** Micha Bernard Pietrzak *** MODELOANIE ZALENOCI MIDZ EKONOMICZNMI PROCESAMI PRZESTRZENNMI

Bardziej szczegółowo

LINIOWA FUNKCJA PRAWDOPODOBIEŃSTWA

LINIOWA FUNKCJA PRAWDOPODOBIEŃSTWA Studa Ekonomczne. Zeszt Naukowe Unwerstetu Ekonomcznego w Katowcach ISSN 283-86 Nr 324 27 Jerz W. Wśnewsk Unwerstet Mkołaja Kopernka Wdzał Nauk Ekonomcznch Zarządzana Katedra Ekonometr Statstk jerz.wsnewsk@umk.pl

Bardziej szczegółowo

ESTYMACJA LOKALNA W SZACOWANIU INFORMACJI O DZIA ALNO CI GOSPODARCZEJ MIKROPRZEDSI BIORSTW

ESTYMACJA LOKALNA W SZACOWANIU INFORMACJI O DZIA ALNO CI GOSPODARCZEJ MIKROPRZEDSI BIORSTW A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 271, 2012 Grana Dehnel * ESTYMACJA LOKALNA W SZACOWANIU INFORMACJI O DZIAALNOCI GOSPODARCZEJ MIKROPRZEDSIBIORSTW Streszczene. W welu

Bardziej szczegółowo

Statystyka i opracowanie danych W 5: Odkrywanie i analiza zależności pomiędzy zmiennymi losowymi (danymi empirycznymi)

Statystyka i opracowanie danych W 5: Odkrywanie i analiza zależności pomiędzy zmiennymi losowymi (danymi empirycznymi) Statstka opracowane danch W 5: Odkrwane analza zależnośc pomędz zmennm losowm (danm emprcznm) Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Odkrwane analza zależnośc pomędz zmennm loścowm(lczowm) Przedmotem

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

MODEL SZEREGU CZASOWEGO Z WAHANIAMI SEZONOWYMI W PROGNOZOWANIU ZU YCIA OLEJU NAP DOWEGO DLA AUTOBUSÓW SZYNOWYCH

MODEL SZEREGU CZASOWEGO Z WAHANIAMI SEZONOWYMI W PROGNOZOWANIU ZU YCIA OLEJU NAP DOWEGO DLA AUTOBUSÓW SZYNOWYCH PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 98 Transport 203 Izabela Dzaduch Poltechnka Wrocawska Adam Lchota AGH Akadema Górnczo-Hutncza MODEL SZEREGU CZASOWEGO Z WAHANIAMI SEZONOWYMI W PROGNOZOWANIU ZUYCIA

Bardziej szczegółowo

ZESTAW ZADAŃ Z INFORMATYKI

ZESTAW ZADAŃ Z INFORMATYKI (Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań

Bardziej szczegółowo

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci Zadane. Macerz radoodobeńst rzejśca ojedynczym kroku dla łańcucha Markoa...... o trzech stanach { } jest ostac 0 n 0 0 (oczyśce element stojący -tym erszu j -tej kolumne tej macerzy oznacza P( = j. Wtedy

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław 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 szczegółowo

RACHUNEK NIEPEWNOŚCI POMIARU

RACHUNEK NIEPEWNOŚCI POMIARU Mędznarodowa Norma Ocen Nepewnośc Pomaru(Gude to Epresson of Uncertant n Measurements - Mędznarodowa Organzacja Normalzacjna ISO) RACHUNEK NIEPEWNOŚCI http://phscs.nst./gov/uncertant POMIARU Wrażane Nepewnośc

Bardziej szczegółowo

KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K)

KOINCYDENTNOŚĆ 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 szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław 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 szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W 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 szczegółowo

XII. EFEKTYWNO FUNKCJONOWANIA SYSTEMÓW DZIAŁANIA

XII. EFEKTYWNO FUNKCJONOWANIA SYSTEMÓW DZIAŁANIA XII. EFETYWO FUCJOOWAIA SYSTEMÓW DZIAŁAIA. WSTP Modele rocesów eksloatacj obektów techncznych umolwaj odejmowane włacwych decyzj dotyczcych urzdze techncznych w zakrese nezawodnoc, trwałoc dagnozowana,

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław 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 szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław 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

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

E K O N O M E T R I A

E K O N O M E T R I A E K O N O M E T R I A LITERATURA: Ekonometra, red. M. Krzsztofak, PWE, Warszawa 1984 Ekonometra, S. Bartosewcz, PWE, Warszawa 1978 Matematczne Technk Zarz¹dzana dzana, skrpt AGH, rozdzaù V Statstka w zarz¹dzanu,

Bardziej szczegółowo

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI. EONOMIA MENEDŻERSA Wykład 3 Funkcje rodukcj 1 FUNCJE PRODUCJI. ANAIZA OSZTÓW I ORZYŚCI SAI. MINIMAIZACJA OSZTÓW PRODUCJI. 1. FUNCJE PRODUCJI: JEDNO- I WIEOCZYNNIOWE Funkcja rodukcj określa zależność zdolnośc

Bardziej szczegółowo

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW ZASTOSOWANIE PROGRAOWANIA DYNAICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EISJI GAZÓW ANDRZEJ KAŁUSZKO Instytut Bada Systemowych Streszczene W pracy opsano zadane efektywnego przydzału ogranczonych rodków

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław 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 szczegółowo

Zeszyty Naukowe UNIWERSYTETU PRZYRODNICZO-HUMANISTYCZNEGO w SIEDLCACH Nr 96 Seria: Administracja i Zarz dzanie 2013

Zeszyty Naukowe UNIWERSYTETU PRZYRODNICZO-HUMANISTYCZNEGO w SIEDLCACH Nr 96 Seria: Administracja i Zarz dzanie 2013 Zeszyty aukowe UIWERSYTETU PRZYRODICZO-HUMAISTYCZEGO w SIEDLCACH r 96 Sera: Admnstracja Zarzdzane 013 mgr Marta Kruk Poltechnka Warszawska Ocena ryzyka nwestowana w walory wybranych spóek brany budowlanej

Bardziej szczegółowo

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ W stronę bolog: dnama oulacj Martn. owa Evolutonar Dnamcs elna Press 6 SELEKCJ: JK JED POPULCJ (STRTEGI) WYPIER IĄ Model determnstczn ( a ) ( b ) : Dodając stronam mam a b czl średne dostosowane (ftness).

Bardziej szczegółowo

Bayesowskie testowanie modeli tobitowych w analizie spłaty kredytów detalicznych

Bayesowskie testowanie modeli tobitowych w analizie spłaty kredytów detalicznych Jerzy Marzec, Katedra Ekonometr Badań Oeracyjnych, Unwersytet Ekonomczny w Krakowe 1 Bayesowske testowane model tobtowych w analze słaty kredytów detalcznych Wstę Podstawowym narzędzem wsomagającym racę

Bardziej szczegółowo

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK Założena Nech oznacza ozom (warość) badanego zjawska (zmennej) w kolejnch momenach czasu T0, gdze T 0 0,1,..., n 1 oznacza worz szereg czasow. zbór numerów czasu. Cąg

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia 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 szczegółowo

Służą opisowi oraz przewidywaniu przyszłego kształtowania się zależności gospodarczych.

Służą opisowi oraz przewidywaniu przyszłego kształtowania się zależności gospodarczych. MODEL EOOMERYCZY MODEL EOOMERYCZY DEFIICJA Modl konomtrczn jst równanm matmatcznm (lub układm równao), któr przdstawa zasadncz powązana loścow pomędz rozpatrwanm zjawskam konomcznm., uwzględnającm tlko

Bardziej szczegółowo

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi

termodynamika 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 szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 321(80)3, 5 14

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 321(80)3, 5 14 FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn., Oeconomca 215, 321(8)3, 5 14 Agneszka BARCZAK POMIAR WAHAŃ SEZONOWYCH RUCHU PASAŻERSKIEGO NA PRZYKŁADZIE PORTU LOTNICZEGO

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja 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 szczegółowo

Matematyka II: Zadania przed 3. terminem S tu niektóre zadania z egzaminu z rozwi zaniami i troch dodatkowych

Matematyka II: Zadania przed 3. terminem S tu niektóre zadania z egzaminu z rozwi zaniami i troch dodatkowych Matematka II: Zadania przed 3. terminem S tu niektóre zadania z egzaminu z rozwi zaniami i troch dodatkowch. Znale¹ ekstrema lokalne funkcji f(, ) = ( 2 + 2 2 )e (2 + 2 ) Odp. Jedno minimum (w p. (, )),

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 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 szczegółowo

WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO. Lidia Luty

WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO. Lidia Luty 74 LIDIA LUTY ROCZNIKI NAUKOWE EKONOMII ROLNICTWA I ROZWOJU OBSZARÓW WIEJSKICH, T. 11, z. 1, 214 WPŁYW AKCESJI POLSKI DO UNII EUROPEJSKIEJ NA ROZWÓJ ROLNICTWA EKOLOGICZNEGO Lda Lut Katedra Statstk Matematcznej

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

I Kolokwium z Ekonometrii. Nazwisko i imi...grupa...

I Kolokwium z Ekonometrii. Nazwisko i imi...grupa... ZESTAW A1 I Kolokwium z Ekonometrii Nazwisko i imi...grupa... 1. Model teoretyczny ma posta: z t = α 0 + α 1 x t + α 2 p t + ξ t, (t = 1, 2,..., 28) (1) gdzie: z t - koszty produkcji w mln z, p t - wielko

Bardziej szczegółowo

gdzie. Dla funkcja ma własności:

gdzie. Dla funkcja ma własności: Ekonometria, 21 listopada 2011 r. Modele ściśle nieliniowe Funkcja logistyczna należy do modeli ściśle nieliniowych względem parametrów. Jest to funkcja jednej zmiennej, zwykle czasu (t). Dla t>0 wartośd

Bardziej szczegółowo

CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE

CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE CZĘŚĆ 6. MODEL REGRESJI, TREND LINIOWY ESTYMACJA, WNIOSKOWANIE Zadane 1. Na podstawe obserwacj dotczącch welkośc powerzchn ekspozcjnej (cecha X w m kw.) oraz welkośc dzennego obrotu punktu sprzedaż płtek

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

DZIAŁALNOŚĆ INWESTYCYJNA GOSPODARSTW ROLNYCH

DZIAŁALNOŚĆ INWESTYCYJNA GOSPODARSTW ROLNYCH PRZEGLĄ D ZACHODNIOPOMORSKI ROCZNIK XXIX (LVIII) ROK 2014 ZESZYT 3 VOL. 2 MONIKA NAROJEK *, ŁUKASZ PIETRYCH ** Warszawa DZIAŁALNOŚĆ INWESTYCYJNA GOSPODARSTW ROLNYCH W POLSCE Słowa kluczowe: nwestycje,

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

ROZDZIAŁ IV REALIZACJA BADA

ROZDZIAŁ IV REALIZACJA BADA ...ne tra ngdy czasu na ogldane s za sebe, kto moe c włane dogana... ROZDZIAŁ IV REALIZACJA BADA 4. Wstp Poprawne przygotowane bada oparte o przedstawone zasady realzacj, omówone w poprzednm rozdzale dotycz

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

Plan wykładu. Sztuczne sieci neuronowe. Problem dwuklasowy (N=1) Problem klasyfikacji. Wykład 6: Ocena jakoci sieci neuronowej Sieci RBF KLASYFIKATOR

Plan wykładu. Sztuczne sieci neuronowe. Problem dwuklasowy (N=1) Problem klasyfikacji. Wykład 6: Ocena jakoci sieci neuronowej Sieci RBF KLASYFIKATOR Plan wykładu Wykład 6: Ocena jakoc sec neuronowej Sec RBF Małgorzata Krtowska Katedra Orogramowana e-mal: mmac@.b.balystok.l Metody oceny jakoc sec neuronowych roblem klasyfkacj metody szacowana jakoc

Bardziej szczegółowo

METODA POMIARU WYBRANYCH PARAMETRÓW METROLOGICZNYCH PI TARCZOWYCH Z W GLIKAMI SPIEKANYMI PRZY ZASTOSOWANIU TECHNIK WIZYJNYCH

METODA POMIARU WYBRANYCH PARAMETRÓW METROLOGICZNYCH PI TARCZOWYCH Z W GLIKAMI SPIEKANYMI PRZY ZASTOSOWANIU TECHNIK WIZYJNYCH DIAGOSTYKA 3 (39)/6 5 BASZU, KRÓL, PISZCZEK, Metoda pomaru wbranch parametrów metrologcznch p tarczowch METODA POMIARU WYBRAYCH PARAMETRÓW METROLOGICZYCH PI TARCZOWYCH Z WGLIKAMI SPIEKAYMI PRZY ZASTOSOWAIU

Bardziej szczegółowo

Rozliczanie kosztów Proces rozliczania kosztów

Rozliczanie kosztów Proces rozliczania kosztów Rozlczane kosztów Proces rozlczana kosztów Koszty dzałalnośc jednostek gospodarczych są złoŝoną kategorą ekonomczną, ujmowaną weloprzekrojowo. W systeme rachunku kosztów odbywa sę transformacja jednych

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

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

INFORMATYKA W SELEKCJI

INFORMATYKA W SELEKCJI IFORMATYKA W SELEKCJI IFORMATYKA W SELEKCJI - zagadnena. Dane w prac hodowlanej praca z dużm zborem danch (Ecel). Podstaw prac z relacjną bazą danch w programe MS Access 3. Sstem statstczne na przkładze

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Proces narodzin i śmierci

Proces 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 szczegółowo

Matematyka 1 (Wydziaª Architektury) Lista 1 - funkcje elmenetarne. 2. Rozwi za nast puj ce równania lub nierówno±ci:

Matematyka 1 (Wydziaª Architektury) Lista 1 - funkcje elmenetarne. 2. Rozwi za nast puj ce równania lub nierówno±ci: Matematka (Wdziaª Architektur) Lista - funkcje elmenetarne UWAGA: Umiej tno±ci potrzebne do rozwi zwania zada«z tej list b d równie» niezb dne prz rozwi zwaniu wszstkich problemów matematcznch, z jakimi

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

ELASTYCZNOŚĆ BEZROBOTNYCH WZGLĘDEM PRODUKCJI SPRZEDANEJ PRZEMYSŁU BRUTTO W WYBRANYCH WOJEWÓDZTWACH POLSKI

ELASTYCZNOŚĆ BEZROBOTNYCH WZGLĘDEM PRODUKCJI SPRZEDANEJ PRZEMYSŁU BRUTTO W WYBRANYCH WOJEWÓDZTWACH POLSKI STUDIA PRAWNO-EKONOMICZNE, t. XCIV, 2015 PL ISSN 0081-6841 s. 335 352 Tomasz MISIAK* ELASTYCZNOŚĆ BEZROBOTNYCH WZGLĘDEM PRODUKCJI SPRZEDANEJ PRZEMYSŁU BRUTTO W WYBRANYCH WOJEWÓDZTWACH POLSKI (Streszczene)

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.

RUCH 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 szczegółowo

; -1 x 1 spełnia powyższe warunki. Ale

; -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 szczegółowo

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna

Bardziej szczegółowo

METODY SZACOWANIA PARAMETRÓW MODELI DWULINIOWYCH

METODY SZACOWANIA PARAMETRÓW MODELI DWULINIOWYCH METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/,, sr. 39 47 METODY SZACOWANIA ARAMETRÓW MODELI DWULINIOWYCH Joanna Górka, Mchał Bernard erzak Kaedra Ekonomer Sask Unwerse Mkołaja Koernka w Torunu e-ma:

Bardziej szczegółowo

STRUKTURA BEZROBOCIA REJESTROWANEGO W WOJEWÓDZTWIE ŁÓDZKIM I PODKARPACKIM A ZMIANY NA RYNKU TOWAROWYM. 1. Wprowadzenie

STRUKTURA BEZROBOCIA REJESTROWANEGO W WOJEWÓDZTWIE ŁÓDZKIM I PODKARPACKIM A ZMIANY NA RYNKU TOWAROWYM. 1. Wprowadzenie STUDIA PRAWNO-EKONOMICZNE, t. XCII, 2014 PL ISSN 0081-6841 s. 297 318 Tomasz MISIAK* STRUKTURA BEZROBOCIA REJESTROWANEGO W WOJEWÓDZTWIE ŁÓDZKIM I PODKARPACKIM A ZMIANY NA RYNKU TOWAROWYM Słowa kluczowe:

Bardziej szczegółowo

65120/ / / /200

65120/ / / /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

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw 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 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

ZASTOSOWANIE METOD EKONOMETRYCZNYCH DO BADANIA HETEROGENICZNOŚCI OBIEKTÓW

ZASTOSOWANIE METOD EKONOMETRYCZNYCH DO BADANIA HETEROGENICZNOŚCI OBIEKTÓW STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Marusz Doszyń Unwersytet Szczecńsk ZASTOSOWANIE METOD EKONOMETRYCZNYCH DO BADANIA HETEROGENICZNOŚCI OBIEKTÓW Streszczene W artykule scharakteryzowano

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20 FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn. 2010, Oeconomca 280 (59), 13 20 Iwona Bą, Agnesza Sompolsa-Rzechuła LOGITOWA ANALIZA OSÓB UZALEŻNIONYCH OD ŚRODKÓW

Bardziej szczegółowo

V. TERMODYNAMIKA KLASYCZNA

V. 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 szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH

WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH Ćwczene nr 1 Statystyczne metody wspomagana decyzj Teora decyzj statystycznych WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH Problem decyzyjny decyzja pocągająca za sobą korzyść lub stratę. Proces decyzyjny

Bardziej szczegółowo

; -1 x 1 spełnia powyższe warunki. Ale

; -1 x 1 spełnia powyższe warunki. Ale Funkcje uwkłane Przkła.ozważm równane np. nech. Ptane Cz la owolneo [ ] stneje tak że? Nech. Wówczas unkcja - spełna powższe warunk. Ale spełna je także unkcja [ ] Q. Dokłaając warunek cąłośc unkcj [ ]

Bardziej szczegółowo

Mikroekonometria 15. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 15. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 15 Mkołaj Czajkowsk Wktor Budzńsk Mkroekonometra podsumowane kursu Zagadnena ogólne NLOGIT Metoda maksymalzacj funkcj ML Testy statystyczne Metody numeryczne, symulacje Metody wyceny nerynkowej

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele 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 szczegółowo

PROGNOZOWANIE I SYMULACJE - zadania powtórzeniowe

PROGNOZOWANIE I SYMULACJE - zadania powtórzeniowe PROGNOZOWANIE I SYMULACJE - zadana powórzenowe Zadana I. Na podsawe danych z la 88- zbudowano model: y = + 3, 5 s = szuk, R =,3 opsujcy lczb sprzedawanych arówek w yscach szuk w pewnej frme. Wyznaczy prognoz

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

Przykład 3.1. Wyznaczenie zmiany odległości między punktami ramy trójprzegubowej

Przykład 3.1. Wyznaczenie zmiany odległości między punktami ramy trójprzegubowej Przykład Wyznaczene zmany odegłośc mędzy unktam ramy trójrzegubowej Poecene: Korzystając ze wzoru axwea-ohra wyznaczyć zmanę odegłośc mędzy unktam w onższym układze Przyjąć da wszystkch rętów EI = const

Bardziej szczegółowo

Róniczka. f x. V Vx. Zadanie 4. Znale maksymalny błd bezwzgldny i wzgldny powstały przy obliczaniu objtoci stoka, jeli promie podstawy wynosi

Róniczka. f x. V Vx. Zadanie 4. Znale maksymalny błd bezwzgldny i wzgldny powstały przy obliczaniu objtoci stoka, jeli promie podstawy wynosi Róniczka Wraenie d nazwa si róniczk pierwszego rzdu czci liniow przrostu wartoci unkcji Zastosowanie róniczki do oblicze przblionch: Zadanie Za pomoc róniczki oblicz przblion warto liczb Wkorzstam wzór

Bardziej szczegółowo

EKONOMETRYCZNA ANALIZA WPŁYWU CZYNNIKÓW SUBIEKTYWNYCH NA DZIAŁALNOŚĆ SPÓŁEK NOTOWANYCH NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE

EKONOMETRYCZNA ANALIZA WPŁYWU CZYNNIKÓW SUBIEKTYWNYCH NA DZIAŁALNOŚĆ SPÓŁEK NOTOWANYCH NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Marusz Doszyń Unwersytet Szczecńsk Beata Antonewcz-Nogaj Ccero SC EKONOMETRYCZNA ANALIZA WPŁYWU CZYNNIKÓW SUBIEKTYWNYCH NA DZIAŁALNOŚĆ SPÓŁEK

Bardziej szczegółowo

Rozwój transportu samochodowego w Polsce w latach

Rozwój transportu samochodowego w Polsce w latach rzewoźncy systemy transortowe Rozwój transortu samochodowego w Polsce w latach 011-015 Leszek GIL, Edward KOZŁOWSKI, Karol PAUL, Krzysztof OLEJNIK W artykule rzedstawono. efektywny rozwój transortu, który

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy 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 szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO

ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO Wprowadzenie Zmienność koniunktury gospodarczej jest kształtowana przez wiele różnych czynników ekonomicznych i pozaekonomicznych. Znajomość zmienności poszczególnych

Bardziej szczegółowo

A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 248, 2011

A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 248, 2011 A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 248, 2011 Paweł Kubak * OCZEKIWANIA PŁACOWE BEZROBOTNYCH I ICH DETERMINANTY ANALIZA EMPIRYCZNA Konec perwszej dekady XXI w dyskusj

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

I. Elementy analizy matematycznej

I. 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 szczegółowo

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009.

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009. A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009 Unwersytet Mkołaja Kopernka w Torunu Katedra Ekonometr Statystyk Elżbeta

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane 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 szczegółowo

Przykład 2. Stopa bezrobocia

Przykład 2. Stopa bezrobocia Przykład 2 Stopa bezrobocia Stopa bezrobocia. Komentarz: model ekonometryczny stopy bezrobocia w Polsce jest modelem nieliniowym autoregresyjnym. Podobnie jak model podaŝy pieniądza zbudowany został w

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

Wykład z Chemii Fizycznej

Wykład z Chemii Fizycznej Wkład z Chem Fzcznej Część 1 Wprowadzene pojęca podstawowe 1. Przedmot zadana chem fzcznej. Chema Fzczna jako nauka ekspermentalna 3. Uzupełnene z matematk Katedra Zakład Chem Fzcznej Collegum Medcum w

Bardziej szczegółowo