PREDYKCJA Z UKŁADU RÓWNAŃ WSPÓŁZALEŻNYCH PREDICTION FROM AN INTERDEPENDENT SYSTEM OF EQUATIONS

Wielkość: px
Rozpocząć pokaz od strony:

Download "PREDYKCJA Z UKŁADU RÓWNAŃ WSPÓŁZALEŻNYCH PREDICTION FROM AN INTERDEPENDENT SYSTEM OF EQUATIONS"

Transkrypt

1 EKONOMERIA ECONOMERICS (55) 207 ISSN e-issn Jerz Witold Wiśniewski Uniwerstet Mikołaja Kopernika w oruniu Jerz.Wisniewski@umk.pl PREDYKCJA Z UKŁADU RÓWNAŃ WSPÓŁZALEŻNYCH PREDICION FROM AN INERDEPENDEN SYSEM OF EQUAIONS DOI: 0.56/ekt JEL Classification: C0 C32 C53 Streszczenie: Predkcję z układu równań współzależnch można przeprowadzić na podstawie równań form zredukowanej. Predkcja z równań form zredukowanej może jednak prowadzić do prognoz rozbieżnch. W prac przedstawiona została procedura predkcji z układu równań współzależnch nazwana zredukowano-łańcuchową. Następuje rozerwanie sprzężenia zwrotnego (zamkniętego cklu powiązań). Umożliwi to rozpoczęcie predkcji która będzie kontnuowana zgodnie z kierunkiem w mechanizmie powiązań zmiennch łącznie współzależnch według zasad predkcji łańcuchowej. Prognoza z równania form zredukowanej zostanie wkorzstana do szacowania prognoz zgodnie z regułą predkcji łańcuchowej w pozostałch równaniach układu. Procedurę predkcji kontnuuje się jeśli prognoza z form zredukowanej różni się istotnie od prognoz z tegoż równania form strukturalnej. Słowa kluczowe: predkcja ekonometrczna prognoza ekonometrczna predktor układ równań współzależnch. Summar: Prediction from an interdependent sstem of equations can be carried out in two was. In the first procedure equations of the structural form of a model are used. In the second proceeding inference into the future is based on the reduced-form equations. Prediction from the reduced form however can lead to divergent forecasts. he work presents the procedure of prediction from an interdependent sstem of equations based on the structural form which can be called the reduced-chain prediction procedure. he procedure requires a break of the feedback or of the closed ccle of links. It will allow starting an econometric prediction which will be continued in accordance with the direction in the linkage mechanism of jointl interdependent variables according to the chain prediction principle. he forecast obtained from the reduced-form equation will be used for forecast estimation in accordance with the chain prediction principle in the other equations of the sstem. he prediction procedure is continued if the first forecast from the reduced-form equation differs significantl from an analogous equation of the structural form after the completion of the process on the ccle of equations. Kewords: econometric prediction econometric forecast predictor sstem of interdependent equations.

2 0 Jerz Witold Wiśniewski. Wstęp Predkcja z układów równań współzależnch nie należ do zagadnień często prezentowanch w literaturze ekonomicznej. Zainteresowanie makromodelami ekonometrcznmi powodowało w przeszłości wzmiankowe traktowanie w literaturze predkcji z układów równań współzależnch. Znane w literaturze układ równań współzależnch są głównie modelami gospodarek narodowch różnch państw. Makromodele są oparte najczęściej na danch w postaci rocznch szeregów czasowch które charakterzują się gładkim przebiegiem. Wjątkowo zdarzają się makromodele ekonometrczne oparte na danch kwartalnch. W takich przpadkach dokładność opisu każdego z równań jest zazwczaj wsoka dominują bowiem przpadki współcznnika zbieżności R 2 na poziomie powżej 095 często osiągając wartość 099. W takiej stuacji nie dostrzega się kwestii ewentualnch rozbieżności prognoz uzskiwanch z form zredukowanej po ich konfrontacji z wnikami predkcji z równań w formie strukturalnej modelu. Celem niniejszej prac jest prezentacja autorskiej metod predkcji z układu równań współzależnch opierającej się na empircznch równaniach form strukturalnej przeznaczonej głównie dla mikromodeli ekonometrcznch. Procedura predkcji będzie analogiczna do tzw. predkcji łańcuchowej właściwej dla modelu rekurencjnego. Różnica w porównaniu z predkcją z modelu rekurencjnego polega na konieczności wkorzstania jednego z empircznch równań form zredukowanej do rozpoczęcia procedur budow ciągu prognoz z kolejnch równań empircznch z form strukturalnej. Konsekwencją tego będzie propozcja procedur predkcji z układu równań współzależnch którą można określić jako zredukowano-łańcuchową [Wiśniewski 206a s ]. Stanowi to wkład do teorii budow prognoz ekonometrcznch we wskazanch poniżej okolicznościach. Proponowana procedura predkcji ekonometrcznej zilustrowana została przkładem empircznm opartm na danch z realnie istniejącego małego przedsiębiorstwa. 2. Specfika predkcji z układów równań współzależnch Predkcję z układu równań współzależnch można przeprowadzić dwoma sposobami. W pierwszm sposobie postępowania wkorzstuje się równania strukturalnej form modelu w drugim natomiast wnioskowanie w przszłość odbwa się na podstawie równań form zredukowanej. Metod te nie zastępują się wzajemnie a stosowalność każdej z nich zależ od rodzaju ptań jakie są stawiane i na które należ odpowiedzieć poprzez przeprowadzenie wnioskowania w przszłość. Równania form zredukowanej można wkorzstwać wted gd pomija się w rozważaniach istnienie wzajemnch powiązań przcznowch w stochastcznch zmiennch łącznie współzależnch oraz gd dąż się do oszacowania efektu tlko jednostronnej zależności tch zmiennch. Sposób postępowania jest wówczas zbliżon do tego jaki stosuje się w przpadku równań prostch. Wartości zmiennch

3 Predkacja z układu równań współzależnch endogenicznch odgrwającch w równaniach rolę objaśniającch ustala się prz tm na okres prognozowan takimi metodami jakie stosuje się do zmiennch egzogenicznch. Predkcja oparta na równaniach form strukturalnej uwzględniająca tlko jedną stronę wielostronnch powiązań pomiędz zmiennmi łącznie współzależnmi ma więc charakter wnioskowania w przszłość włącznie na bardzo krótkie okres [Pawłowski 973 s ; Zeliaś 997 s. 20]. lko w bardzo krótkim okresie można abstrahować od innch stron współzależności międz zmiennmi łącznie współzależnmi. W dłuższch okresach współzależności pomiędz zmiennmi endogenicznmi odgrwają istotną rolę a pominięcie ich może wpaczć sens i wniki badań prognostcznch. Z powższego względu większe znaczenie praktczne ma drugi sposób wnioskowania w przszłość opart na równaniach zredukowanej form modelu. W tej metodzie prognozę można traktować jako warunkową nadzieję matematczną prz czm w warunku wstępują zmienne z gór ustalone. Predkcję przeprowadza się na podstawie każdego z równań form zredukowanej pojednczo. Postępowanie jest tu identczne jak w przpadku modelu prostego. Forma zredukowana ma bowiem charakter modelu prostego. Jeśli bezpośrednio oszacowano parametr równań form zredukowanej wówczas znane są wariancje i kowariancje szacunków parametrów strukturalnch każdego z równań tej form. Łatwo można wówczas wznaczć wariancje predkcji dla każdego z równań. rudniej jest natomiast w stuacji gd formę zredukowaną wznaczono z empircznej form strukturalnej. Warto zwrócić uwagę że zazwczaj równania form zredukowanej z którch każde zawiera wszstkie zmienne z gór ustalone charakterzują się wstępowaniem nieistotnch statstcznie zmiennch objaśniającch. Konsekwencją tego są duże zazwczaj średnie błęd predkcji obliczane z form zredukowanej. Dlatego też średnie błęd predkcji dla prognoz z układów równań współzależnch otrzmanch z równań form zredukowanej warto wznaczać z macierz wariancji i kowariancji ocen parametrów strukturalnch uzskiwanch z równań form strukturalnej. Predkcja oparta na równaniach form zredukowanej modelu ma w pewnm sensie własności optmalne jeśli do szacowania parametrów zastosowano odpowiednią metodę estmacji [Pawłowski 973 s. 254; Wiśniewski Zieliński 2004 s. 374]. Predkcja oparta na podstawie równań form zredukowanej ma cechę optmalności w tm sensie że daje ona mniejsze błęd średnie predkcji niż inne metod wkorzstujące ten sam zasób informacji. Rozważm predkcję z układu równań współzależnch na podstawie następującego modelu: = α α x α t α η t 0 t 4 5 3t t = x t () 2t α20 α22 t2 α24 β23 3t η2 t x. 3t = α30 α33 t3 β32 2t η3 t

4 2 Jerz Witold Wiśniewski Predkcję z równania pierwszego powższego układu na okres = n można wkonać niezależnie od pozostałch równań ponieważ jest to równanie oderwane. Prognoz oraz 3 należ szacować na podstawie predktora z form zredukowanej: = c c x c x c x c c = c c x c x c x c c (2) gdzie smbolami c ˆgj (g = 2 3; j = ) oznaczono ocen parametrów równań drugiego i trzeciego z form zredukowanej uzskane za pomocą KMNK. Predktorem dla pierwszej zmiennej łącznie współzależnej będzie: = a a x a a (3) w którm smbolami a0 a a4 a 5 oznaczono ocen parametrów strukturalnch równania uzskane za pomocą klascznej metod najmniejszch kwadratów (KMNK). Dostrzec można że w kolejnch okresach prognozowanch ( = n 2 n 3... n τ) pojawia się konieczność stosowania predkcji sekwencjnej. Zmienna opóźniona 3 wstępująca w każdm z równań rozpatrwanego predktora powoduje konieczność szacowania w pierwszej kolejności prognoz trzeciej zmiennej łącznie współzależnej. Pozwoli to na wkorzstwanie w kolejnch okresach w każdm z równań predktora Y p prognoz 3 jako zmiennej objaśniającej w poszczególnch równaniach. 3. Proponowana procedura predkcji Problematka modeli wielorównaniowch należ do klaski teorii ekonometrii oraz ekonometrii stosowanej. Empirczne zagadnienia prognozowania oparte na modelach wielorównaniowch nie należą do często przedstawianch w literaturze. Szczególnie mało jest prac na temat prognoz z układów równań współzależnch. Dotcz to zwłaszcza mikromodeli ekonometrcznch. Mimo niewielkiego zainteresowania tą problematką ze stron badacz należ wzbogacać literaturę o nowe rozwiązania prognostczne. Pozwoli to rozwiązwać ważne zagadnienia prognozowania zwłaszcza w mikroskali gd pojawi się konieczność szacowania prognoz opartch na układach równań współzależnch na poziomie przedsiębiorstw. Prognoz z układu równań współzależnch można szacować również częściowo z równań form zredukowanej oraz w części z równań form strukturalnej. Rozważm następując układ równań: x t t = α0 α t α4 α6 3t β4 4t η t

5 Predkacja z układu równań współzależnch 3 x 2t = α20 α22 t2 β2 t α25 2t η2 t = α α t β β α η (4) 3t t 32 2t 35 2t 3 t x. 4t = α40 α43 t3 β43 3t α46 3t η4 t Dostrzega się zamknięt ckl powiązań zmiennch łącznie współzależnch: t 2t 4t 3t (5) któr oznacza układ równań współzależnch. Predkcję z powższego modelu można przeprowadzić techniką mieszaną: częściowo z form zredukowanej oraz częściowo z form strukturalnej stosując technikę predkcji łańcuchowej specficznej dla modelu rekurencjnego. Korzstanie w szacowaniu prognoz z predktora form strukturalnej o postaci: a a x a a b = = a a x b a = a30 a3 b3 b32 a35 (6) = a a x b a nie jest natchmiastowo możliwe. Przeszkodą jest brak równania początkowego jako rezultat zamkniętego cklu powiązań tworzącego pętlę (5). Likwidacja pętli może nastąpić przez wkorzstanie równania form zredukowanej do oszacowania prognoz czli: = c c x c x c x c c c (7) Znajomość prognoz umożliwia zastosowanie techniki predkcji łańcuchowej do kolejnch równań predktora w formie strukturalnej. Możem zatem oszacować prognozę z równania:. = a20 a22x2 b2 a25 (8) Dsponowanie prognozami na podstawie równania: oraz ( p 0) umożliwia oszacowanie prognoz. = a30 a3 b3 b32 a35 (9)

6 4 Jerz Witold Wiśniewski Mając prognozę naniu: można oszacować prognoz opierając się na rów-. = a40 a43x3 b43 3 a46 3 (0) z rów- Posiadanie prognoz umożliwia z kolei oszacowanie prognoz nania form strukturalnej: = a a x a a b. () Istnieje bowiem konieczność porównania prognoz z prognozą. W przpadku istotnej różnic pomiędz tmi prognozami należ oszacować prognozę z równania:. = a20 a22x2 b2 a25 (2) Prowadzi to do wznaczenia kolejnch prognoz 3 oraz ( p ) na podstawie równania: oraz 3 = a30 a3 b3 b32 a35 (3). = a40 a43x3 b43 3 a46 3 (4) Proponowana technika predkcji na kolejne okres prognozowane winna uwzględniać konieczność postępowania sekwencjnego wnikającego z wstępowania opóźnionch zmiennch endogenicznch oraz 3. Ostatecznie pre- dkcja z układu równań współzależnch może łączć predkcję z równań form zredukowanej z predkcją sekwencjną oraz łańcuchową. Korzstanie w szacowaniu prognoz z predktora form strukturalnej o postaci: a a x a a b = a a x b a = = a a b b a (5) a a x b a = można dopuścić z powtórzeń co doprowadzi ostatecznie do prognoz zbieżnch z równań o postaci: a a x a a b ( pz) ( pz ) = a a x b a ( pz) ( pz) =

7 Predkacja z układu równań współzależnch 5 Prowadzi to do prognoz = a a b b a (6) ( pz) ( pz) ( pz) a a x b a ( pz) ( pz). = które należ porównać z analogicznmi prognozami z pierwszej iteracji czli. W przpad- ku znacznch różnic i i (i = 2 3 4) należ kontnuować obliczenia prognoz w kolejnch iteracjach aż do iteracji o numerze z w celu uzskania nieistotnch różnic w ostatniej iteracji obliczeń (z) w porównaniu z iteracją bezpośrednio poprzedzającą (z ). Prognoz z poszczególnch równań predktora (6) uzskane w kolejnch v = z iteracjach zamieszczono w tab.. abela ta zawiera również różnice pomiędz prognozami otrzmanmi w kolejnch sąsiadującch iteracjach obliczeniowch. abela. Prognoz z układu równań współzależnch w kolejnch z iteracjach Równanie predktora Iteracja 0 Iteracja Różnica Iteracja 2 Różnica 2 Iteracja z Różnica z ( pz) ( pz) ( pz) ( pz) ( pz) ( pz ) ( pz) ( pz ) ( pz) ( pz ) ( pz) ( pz ) Źródło: opracowanie własne. Proponowana procedura budow prognoz z układów równań współzależnch należ do najtrudniejszch przez znaczną komplikację postępowania badawczego. Dla każdego z okresów prognozowanch ( = n n τ) należ bowiem przeprowadzić z g (g = τ) iteracji. Jeśli dodać do tego konieczność uważnego postępowania związanego z sekwencjnością predkcji prz uwzględnianiu możliwch zmiennch krteriów zbieżności w kolejnch okresach i zmiennch prognozowanch to skala trudności okazuje się relatwnie wsoka. Potrzeba budow prognoz dokładnch oraz o znacznej użteczności dla decdenta wwołuje jednak konieczność poszukiwania procedur spełniającch zapotrzebowanie praktki gospodarczej zwłaszcza na poziomie przedsiębiorstwa. 4. Przkład modeli o równaniach współzależnch W ostatnich latach w literaturze pojawiają się rozwiązania modelowe z obszaru mikroekonometrii uwzględniające opis przedsiębiorstwa lub jego części za pomocą Zdefiniowanie poziomu nieistotnej różnic należ do użtkownika prognoz. Wielkości te zależą od potrzeb użtkownika (decdenta).

8 6 Jerz Witold Wiśniewski układów równań współzależnch. Wwołuje to potrzebę konstrukcji adekwatnch rozwiązań związanch z wkorzstaniem tch modeli do budow prognoz ekonometrcznch. W literaturze zagranicznej brakuje wielorównaniowch mikromodeli ekonometrcznch. Wnika to przede wszstkim z definiowania mikroekonometrii w sposób prezentowan przez Heckmana i McFaddena jako tworzenie narzędzi analiz mikrodanch. W Polsce mikroekonometria rozumiana jest jednak przez część badacz podmiotowo jako część mikroekonomii [Hozer 203]. Dlatego w Polsce pojawił się pierwsze mikromodele ekonometrczne opisujące przedsiębiorstwo. Konkretne empirczne modele o równaniach współzależnch zastosowanch w przedsiębiorstwie znaleźć można w pracach Wiśniewskiego [2003; 2009; 206a; 206b] oraz w prac Strjewskiego [2005]. Sprzężenie zwrotne wstępuje jako współzależność pomiędz wdajnością prac (WP) a przeciętną płacą (SRPL) co można zapisać jako [Wiśniewski 206a s ]: Analogiczne sprzężenie zwrotne wstępuje pomiędz miernikiem skuteczności windkacji wierztelności w przedsiębiorstwie (liq t ) a miernikiem płnności finansowej (evind t ): (7) liqt evindt. (8) Wstępowanie sprzężeń zwrotnch (7) i (8) powoduje konieczność predkcji zredukowano-łańcuchowej. Są to przpadki najprostsze niepowodujące nadmiernch komplikacji w procesie predkcji. Komplikacje pojawiają się w stuacji zamkniętego cklu powiązań obejmującego wiele zmiennch łącznie współzależnch. aka stuacja ma miejsce w ekonometrcznm modelu małego przedsiębiorstwa w którm wstępuje jednocześnie kilka takich przpadków [Wiśniewski 2003 s. 70]. Jeden z tch ckli ma następującą postać: (9) W mechanizmie (9) wstępują: PIEN wartość wpłwów pieniężnch SPRZED wartość przchodów ze sprzedaż brutto PROD wartość produkcji gotowej MRW wartość początkowa środków trwałch INW wartość inwestcji w małm przedsiębiorstwie w danm okresie. Przeprowadzenie predkcji z układu pięciu równań współzależnch jest procedurą o dużm stopniu komplikacji już na poziomie pierwszego okresu prognozowane-

9 Predkacja z układu równań współzależnch 7 go. Zważwsz na to że w empircznm modelu ekonometrcznm małego przedsiębiorstwa opartm na danch miesięcznch wstępuje wiele zmiennch endogenicznch o rozmaitch okresach opóźnień zadanie budow prognoz jest nadzwczaj skomplikowane. Konieczne doświadczenia empirczne mogą doprowadzić do ustalenia procedur ogólnej lub procedur specficznch w określonch warunkach modelowch. 5. Przkład empirczn Poniżej przedstawion zostanie empirczn układ równań współzależnch 2 ze sprzężeniem zwrotnm tpu (7). Model zbudowan został na podstawie kwartalnch szeregów czasowch z kolejnch ośmiu lat. W modelu wstępują następujące oznaczenia zmiennch: WYDt wdajność prac w ts. zł na zatrudnionego kwartalnie SRPLt średnia płaca netto w ts. zł na zatrudnionego kwartalnie t zmienna czasowa Q zmienna zero-jednkowa przjmująca wartość w każdm pierwszm kwartale oraz 0 w pozostałch kwartałach Q2 zmienna zero-jednkowa przjmująca wartość w każdm drugim kwartale oraz 0 w pozostałch kwartałach. Ponadto wstępują charakterstki dokładności opisu równań empircznch z odpowiednimi indeksami adekwatnmi dla poszczególnch równań: R2 współcznnik determinacji Su błąd standardow reszt DW wartość statstki Durbina i Watsona hdrb wartość statstki h Durbina ˆρ współcznnik autokorelacji reszt pierwszego rzędu. Empirczne równania w formie strukturalnej mają następującą postać: WYDt = SRPL 5 2 Q 63 Q (20) t 2 (7598) (3932) (4686) (563) R = Su = 254 DW = wd wd wd SRPL = WYD 0 493SRPL 275t 2989 Q (2) t t t (035) (4506) (397) (277) (3498) R = 0937; Su = 889; hdrb = 0849; r = srpl srpl srpl srpl 2 Dane statstczne niezbędne do budow tego tpu modeli znaleźć można na stronie internetowej: Są to w większości przpadków informacje statstczne pochodzące z realnie istniejącch przedsiębiorstw. Obliczenia wkonano za pomocą pakietu GREL.

10 8 Jerz Witold Wiśniewski Układ równań empircznch w formie zredukowanej jest następując: WYD = SRPL 0 076t 5 4 Q 7 Q (22) * t * t t 2 (6325 (0755) (054) (4308) (5754) R = 0673; Su = 275; DW = zwd zwd zwd SRPL = SRPL 293t 68 2Q 3266 Q (23) t 2 (3767) (3960) (2623) (079) (3484) R = 0924; Su = 208; hd = 0098; r = zsrpl zsrpl zsrpl Rozstrzgnięcia wmaga cz predkcję z równania form zredukowanej można rozpocząć od dowolnego równania 3 cz też warto ustalić zasadę wskazwania takiego równania. Intuicjnie można uznać że rozpocząć należ od równania form zredukowanej o najwższej wartości współcznnika determinacji (R 2 ). W związku z tm predktor pozwalając oszacować prognozę średniej płac zapisać można następująco: * p srpl SRPL = SRPL Q Q. (24) 2 Wstarcz znać wartość ostatniej obserwacji na przeciętnej płac kwartalnej w przedsiębiorstwie która wnosi SRPL 2008;IV = ts. zł na zatrudnionego kwartalnie. Prognoza średniej płac na pierwsz kwartał 2009 roku wnosi: * SRPL p = 2009; Posiadanie prognoz średniej płac z predktora w formie zredukowanej umożliwia wznaczenie prognoz wdajności prac na pierwsz kwartał 2009 roku z form strukturalnej za pomocą równania predktora: WYDp = SRPL 5 2Q 63 Q. (25) p 2 Prognoza wdajności prac na pierwsz kwartał 2009 roku: WYD 2009; p = Możliwe jest teraz wznaczenie prognoz średniej płac na pierwsz kwartał 2009 roku z równania predktora w formie strukturalnej: SRPL = WYD 0 493SRPL Q. (26) p p (035) (4506) (397) (277) (3498) 3 Ma to szczególnie duże znaczenie prz znacznej liczbie zmiennch wstępującch w zamkniętm cklu np. w przpadku mechanizmu tpu (9).

11 Predkacja z układu równań współzależnch 9 Prognoza średniej płac obliczona na podstawie równania (26) wnosi: SRPL = 2009; p Możliwa jest teraz konfrontacja prognoz przeciętnej płac kwartalnej uzskanej na podstawie równania predktora z form strukturalnej ( SRPL = 36805) 2009; p z prognozą tejże średniej płac obliczonej na podstawie predktora z form zredukowanej ( SRPL * 2009; p = ). Pojawia się różnica w wartościach prognoz która wnosi 0 zł na zatrudnionego czli około 027%. Z punktu widzenia praktki zarządzania przedsiębiorstwem różnicę tę można uznać za nieistotną 4. Oznacza to uzskanie prognoz zbieżnch średniej płac. Można zatem zakończć procedurę predkcji na pierwszej iteracji bez konieczności poprawiania prognoz. Pozwoli to wkorzstać prognoz wdajności prac i przeciętnej płac do podejmowania adekwatnch deczji zarządczch. 6. Zakończenie Problematka modeli wielorównaniowch należ do klaski teorii ekonometrii oraz ekonometrii stosowanej. Empirczne zagadnienia prognozowania oparte na modelach wielorównaniowch nie należą do często przedstawianch w literaturze. Szczególnie mało jest prac na temat prognoz z układów równań współzależnch zwłaszcza mikromodeli ekonometrcznch opisującch konkretn podmiot gospodarując. Obserwuje się niewielkie zainteresowanie badacz problematką mikromodeli ekonometrcznch opisującch przedsiębiorstwo. Fundamentalnm powodem jest brak dostępu do informacji statstcznch na poziomie przedsiębiorstwa. Wskutek tego dominują prace empirczne z obszaru ekonometrii finansowej. Powszechnie dostępne są bowiem dane statstczne z giełd cz też z rnków finansowch pozwalające zaspokoić głód ekonometrcznch badań empircznch. Przejście na etap wkorzstwania danch z podmiotów gospodarczch do budow mikromodeli przedsiębiorstw stworz potrzebę ich wkorzstania do budow prognoz. Pozwoli to rozwiązwać ważne zagadnienia prognozowania zwłaszcza w mikroskali gd pojawi się konieczność szacowania prognoz opartch na układach równań współzależnch na poziomie przedsiębiorstw. Konkretne badania empirczne w którch będą wkorzstwane układ równań współzależnch do budow prognoz ekonometrcznch zwerfikują rozmaite propozcje metod predkcji. Pomogą one we wskazaniu najlepszch procedur w określonch okolicznościach pro- 4 Możliwe jest tu zastosowanie rozmaitch krteriów zbieżności. Statstk zapewne chciałb testować istotność różnic pomiędz prognozami wkorzstując odpowiedni test statstczn. Praktk zarządzając przedsiębiorstwem wbierze raczej krterium analogiczne do granicznego błędu predkcji lub względnego granicznego błędu predkcji.

12 20 Jerz Witold Wiśniewski gnozowania. W obecnm stanie zaawansowania badań nad ekonometrcznmi modelami przedsiębiorstw trudne są niezbędne w nauce uogólnienia. Literatura Hozer J. 203 Mikroekonometria Studia i Prace Wdziału Nauk Ekonomicznch i Zarządzania Uniwerstetu Szczecińskiego nr 3 s Pawłowski Z. 97 Modele ekonometrczne równań opisowch wd. drugie PWN Warszawa. Pawłowski Z. 973 Prognoz ekonometrczne PWN Warszawa. Pawłowski Z. 976 Ekonometrczna analiza procesu produkcjnego PWN Warszawa. Strjewski Podejście modułowo-relacjne jako uniwersaln schemat budow ekonometrcznego modelu przedsiębiorstwa praca doktorska Uniwerstet Mikołaja Kopernika oruń. Wiśniewski J.W Ekonometrczn model małego przedsiębiorstwa GRAVIS oruń. Wiśniewski J.W Mikroekonometria Wdawnictwo Naukowe UMK oruń. Wiśniewski J.W. 206a Microeconometrics in Business Management John Wile & Sons Ltd New York Chichester Singapore. Wiśniewski J.W. 206b Empirical econometric model of an enterprise Folia Oeconomica Stetinensia s Wiśniewski J.W. Zieliński Z Element ekonometrii wd. piąte zmienione UMK oruń. Zeliaś A. 997 eoria prognoz PWE Warszawa.

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

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

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

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

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

Bardziej szczegółowo

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

Dylematy podwójnej metody najmniejszych kwadratów w mikromodelu ekonometrycznym

Dylematy podwójnej metody najmniejszych kwadratów w mikromodelu ekonometrycznym Jerzy W. Wiśniewski* Dylematy podwójnej metody najmniejszych kwadratów w mikromodelu ekonometrycznym Wstęp Parametry ekonometrycznych układów równań współzależnych najczęściej szacowane są podwójną metodą

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Przenoszenie niepewności

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

Bardziej szczegółowo

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

Pomiar bezpośredni przyrządem wskazówkowym elektromechanicznym

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

Bardziej szczegółowo

OKREŚLANIE FUNKCJI CELU PRZY DOBORZE MASZYN ROLNICZYCH

OKREŚLANIE FUNKCJI CELU PRZY DOBORZE MASZYN ROLNICZYCH InŜnieria Rolnicza 14/5 Zofia Hanusz *, Zbigniew Siarkowski **, * Katedra Zastosowań Matematki ** Katedra Maszn i Urządzeń Rolniczch Akademia Rolnicza w Lublinie OKREŚLANIE FUNKCJI CELU PRZY DOBORZE MASZYN

Bardziej szczegółowo

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego Zajęcia. Esmacja i werfikacja modelu ekonomercznego Celem zadania jes oszacowanie liniowego modelu opisującego wpłw z urski zagranicznej w danm kraju w zależności od wdaków na urskę zagraniczną i liczb

Bardziej szczegółowo

Ćwiczenia IV

Ćwiczenia IV Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik

Podejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik Podejmowanie deczji w warunkach niepełnej informacji Tadeusz Trzaskalik 5.. Wprowadzenie Słowa kluczowe Niepełna informacja Stan natur Macierz wpłat Podejmowanie deczji w warunkach rzka Podejmowanie deczji

Bardziej szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

Badanie zależności cech

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

Bardziej szczegółowo

Założenia prognostyczne WPF

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

Bardziej szczegółowo

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

LABORATORIUM PODSTAW AUTOMATYKI

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Ćwiczenie 361 Badanie układu dwóch soczewek

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

Bardziej szczegółowo

Proces modelowania zjawiska handlu zagranicznego towarami

Proces modelowania zjawiska handlu zagranicznego towarami Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie

Bardziej szczegółowo

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu

Bardziej szczegółowo

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu

Bardziej szczegółowo

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Realizacja funkcji przełączających

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

Bardziej szczegółowo

Prognozowanie i symulacje

Prognozowanie i symulacje Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez

Bardziej szczegółowo

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

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

Bardziej szczegółowo

KURS FUNKCJE WIELU ZMIENNYCH

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

Bardziej szczegółowo

Równania różniczkowe cząstkowe

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

Bardziej szczegółowo

Diagram relacji między zmiennymi (Scatter Diagram)

Diagram relacji między zmiennymi (Scatter Diagram) 2. Należ pomśleć o definicji do zastosowania w następując sposób: Zastosowanie: Cz wszsc zgadzam się, co robić? Definicja: Cz wszsc zgadzam się co do znaczenia każdego słowa? 5.4 Diagram relacji międz

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Cykl III ćwiczenie 3. Temat: Badanie układów logicznych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Równania różniczkowe

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

Całkowanie przez podstawianie i dwa zadania

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13 Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych

Bardziej szczegółowo

Równania różniczkowe cząstkowe

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

Bardziej szczegółowo

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y). Statystyka i opracowanie danych Ćwiczenia 12 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA WIELORAKA Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych

Bardziej szczegółowo

2. CHARAKTERYSTYKI GEOMETRYCZNE FIGUR PŁASKICH

2. CHARAKTERYSTYKI GEOMETRYCZNE FIGUR PŁASKICH dam Bodnar: Wtrzmałość Materiałów. Charakterstki geometrczne figur płaskich.. CHRKTERSTKI GEOMETRCZNE FIGUR PŁSKICH.. Definicje podstawowch charakterstk geometrcznch Podczas zajęć z wtrzmałości materiałów

Bardziej szczegółowo

MES polega na wyznaczaniu interesujących nas parametrów w skończonej ilości punktów. A co leży pomiędzy tymi punktami?

MES polega na wyznaczaniu interesujących nas parametrów w skończonej ilości punktów. A co leży pomiędzy tymi punktami? MES- 07 Interpolacja, wprowadzenie Interpolacja: po co nam to? Ptania MES polega na wznaczaniu interesującch nas parametrów w skończonej ilości punktów. A co leż pomiędz tmi punktami? Na razie rozpatrwaliśm

Bardziej szczegółowo

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION

Bardziej szczegółowo

Paweł Strawiński Ćwiczenia

Paweł Strawiński Ćwiczenia Zadanie 1 Na podstawie wników badań PGSS starano się zidentfikować zmienne, które wpłwają na poziom szczęścia. Na podstawie odpowiedzi stworzono zmienną hapunhap, która przjmuje wartość 1 dla osób, które

Bardziej szczegółowo

Cechy szeregów czasowych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Pochodna funkcji wykład 5

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

Bardziej szczegółowo

Młodzieżowe Uniwersytety Matematyczne. Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego REGUŁA GULDINA

Młodzieżowe Uniwersytety Matematyczne. Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego REGUŁA GULDINA Młodzieżowe Uniwerstet Matematczne Projekt współfinansowan przez Unię Europejską w ramach Europejskiego Funduszu połecznego REGUŁA GULDINA dr Bronisław Pabich Rzeszów marca 1 Projekt realizowan przez Uniwerstet

Bardziej szczegółowo

Rozwiązywanie belek prostych i przegubowych wyznaczanie reakcji i wykresów sił przekrojowych 6

Rozwiązywanie belek prostych i przegubowych wyznaczanie reakcji i wykresów sił przekrojowych 6 ozwiązwanie beek prostch i przegubowch wznaczanie reakcji i wkresów sił przekrojowch 6 Obciążenie beki mogą stanowić sił skupione, moment skupione oraz obciążenia ciągłe q rs. 6.. s. 6. rzed przstąpieniem

Bardziej szczegółowo

Rozdział 8. Regresja. Definiowanie modelu

Rozdział 8. Regresja. Definiowanie modelu Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 5

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

Bardziej szczegółowo

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

Ekonometria I materiały do ćwiczeń

Ekonometria I materiały do ćwiczeń lp daa wkładu ema Wkład dr Doroa Ciołek Ćwiczenia mgr inż. - Rodzaje danch sascznch - Zmienne ekonomiczne jako zmienne losowe 1a) Przkład problemów badawczch hipoeza, propozcja modelu ekonomercznego, zmienne

Bardziej szczegółowo

Tomasz Stryjewski Uniwersytet Mikołaja Kopernika w Toruniu

Tomasz Stryjewski Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMETYCZNE IX Ogólnopolskie Seminarium Naukowe 6 8 września 5 w Toruniu Katedra Ekonometrii i Statystyki Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika w Toruniu

Bardziej szczegółowo

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

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

Bardziej szczegółowo

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji

Bardziej szczegółowo

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

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

Bardziej szczegółowo

WIELOCZYNNIKOWA PREDYKCJA MATEMATYCZNA CEN METALI KOLOROWYCH W KRYZYSIE ROKU 2008/9

WIELOCZYNNIKOWA PREDYKCJA MATEMATYCZNA CEN METALI KOLOROWYCH W KRYZYSIE ROKU 2008/9 Andrzej Augustnek, Jan Tadeusz Duda WIELOCZYIOWA PREDYCJA MATEMATYCZA CE METALI OLOROWYCH W RYZYSIE ROU 008/9. Wprowadzenie Świat podjął walkę z krzsem. Rząd krajów wkonują skoordnowane (lub nie) ruch

Bardziej szczegółowo

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Rozwiązywanie belek prostych i przegubowych wyznaczanie reakcji i wykresów sił przekrojowych 4-5

Rozwiązywanie belek prostych i przegubowych wyznaczanie reakcji i wykresów sił przekrojowych 4-5 ozwiązwanie beek prostch i przegubowch wznaczanie reakcji i wkresów sił przekrojowch - Obciążenie beki mogą stanowić sił skupione, moment skupione oraz obciążenia ciągłe q rs... s.. rzed przstąpieniem

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Wektory. P. F. Góra. rok akademicki

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

Bardziej szczegółowo

Wykład Analiza jakościowa równań różniczkowych

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

Bardziej szczegółowo

Konspekty wykładów z ekonometrii

Konspekty wykładów z ekonometrii Konspek wkładów z ekonomerii Budowa i werfikaca modelu - reść przkładu W wniku ssemacznch badań popu na warzwa w pewnm mieście, orzmano nasępuące szeregi czasowe: przros (zmian) popu na warzwa (w zł. na

Bardziej szczegółowo

Stanisław Cichocki Natalia Neherbecka

Stanisław Cichocki Natalia Neherbecka Stanisław Cichocki Natalia Neherbecka 13 marca 2010 1 1. Kryteria informacyjne 2. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach (ADL) 3. Analiza

Bardziej szczegółowo

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY Będziemy zapisywać wektory w postaci (,, ) albo traktując go jak macierz jednokolumnową (dzięki temu nie będzie kontrowersji przy transponowaniu wektora ) Model

Bardziej szczegółowo

t y x y'y x'x y'x x-x śr (x-x śr)^2

t y x y'y x'x y'x x-x śr (x-x śr)^2 Na podstawie:w.samuelson, S.Marks Ekonomia menedżerska Zadanie 1 W przedsiębiorstwie toczy się dyskusja na temat wpływu reklamy na wielkość. Dział marketingu uważa, że reklama daje wysoce pozytywne efekty,

Bardziej szczegółowo

[L] Rysunek Łuk wolnopodparty, paraboliczny wymiary, obciążenie, oznaczenia.

[L] Rysunek Łuk wolnopodparty, paraboliczny wymiary, obciążenie, oznaczenia. rzkład 10.3. Łuk paraboliczn. Rsunek przedstawia łuk wolnopodpart, którego oś ma kształt paraboli drugiego stopnia (łuk paraboliczn ). Łuk obciążon jest ciśnieniem wewnętrznm (wektor elementarnej wpadkowej

Bardziej szczegółowo

Minimalizacja kosztów

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

Bardziej szczegółowo

Wygładzanie metodą średnich ruchomych w procesach stałych

Wygładzanie metodą średnich ruchomych w procesach stałych Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja

Bardziej szczegółowo

5. Model sezonowości i autoregresji zmiennej prognozowanej

5. Model sezonowości i autoregresji zmiennej prognozowanej 5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =

Bardziej szczegółowo

EGZAMIN GIMNAZJALNY W ROKU SZKOLNYM 2011/2012

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

Bardziej szczegółowo

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1. tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1

Bardziej szczegółowo

przedmiotu Nazwa Pierwsza studia drugiego stopnia

przedmiotu Nazwa Pierwsza studia drugiego stopnia Nazwa przedmiotu K A R T A P R Z E D M I O T U ( S Y L L A B U S ) O p i s p r z e d m i o t u Kod przedmiotu EKONOMETRIA UTH/I/O/MT/zmi/ /C 1/ST/2(m)/1Z/C1.1.5 Język wykładowy ECONOMETRICS JĘZYK POLSKI

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY

PRÓBNY EGZAMIN MATURALNY PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW NR 17751 WYGENEROWANY AUTOMATYCZNIE W SERWISIE ZADANIA.INFO POZIOM PODSTAWOWY CZAS PRACY: 170 MINUT 1 Zadania zamknięte ZADANIE 1 (1 PKT) Rozważm treść następujacego

Bardziej szczegółowo

Programowanie wypukłe i kwadratowe. Tadeusz Trzaskalik

Programowanie wypukłe i kwadratowe. Tadeusz Trzaskalik Proramowanie wpukłe i kwaratowe Taeusz Trzaskalik 6.. Wprowazenie Słowa kluczowe Zaanie proramowania nielinioweo Ekstrema lobalne i lokalne Zbior wpukłe Funkcje wklęsłe i wpukłe Zaanie proramowania wpukłeo

Bardziej szczegółowo

Metody matematyczne w technologii materiałów Krzysztof Szyszkiewicz

Metody matematyczne w technologii materiałów Krzysztof Szyszkiewicz Kinetka formalna jest działem kinetki chemicznej zajmującm się opisem przebiegu reakcji chemicznch za pomocą równao różniczkowch. W przpadku reakcji homogenicznch (w objętości), g skład jest jednorodn

Bardziej szczegółowo

ANALIZA MOŻLIWOŚCI NORMALIZACJI WARTOŚCI SKŁADOWYCH TRÓJCHROMATYCZNYCH Z WYKORZYSTANIEM PRZEKSZTAŁCENIA NIELINIOWEGO

ANALIZA MOŻLIWOŚCI NORMALIZACJI WARTOŚCI SKŁADOWYCH TRÓJCHROMATYCZNYCH Z WYKORZYSTANIEM PRZEKSZTAŁCENIA NIELINIOWEGO Wojciech MOĆKO Wojciech ŻAGAN ANALIZA MOŻLIWOŚCI NORMALIZACJI WARTOŚCI SKŁADOWYCH TRÓJCHROMATYCZNYCH Z WYKORZYSTANIEM PRZEKSZTAŁCENIA NIELINIOWEGO STRESZCZENIE W referacie przedstawiono koncepcję zastosowania

Bardziej szczegółowo

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora. imię, nazwisko, nr indeksu: Ekonometria egzamin 01/02/2019 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.

Bardziej szczegółowo

J. Szantyr Wykład 5 Turbulentna warstwa przyścienna

J. Szantyr Wykład 5 Turbulentna warstwa przyścienna J. Szantr Wkład 5 Turbulentna warstwa przścienna Warstwa przścienna jest to część obszaru przepłwu bezpośrednio sąsiadująca z powierzchnią opłwanego ciała. W warstwie przściennej znaczącą rolę odgrwają

Bardziej szczegółowo

Sztuczne sieci neuronowe

Sztuczne sieci neuronowe 2 Sztuczne sieci neuronowe Sztuczna sieć neuronowa (NN ang. Neural Network) to bardzo uproszczon model rzeczwistego biologicznego sstemu nerwowego. Sztuczną sieć neuronową można zdefiniować jako zespolon

Bardziej szczegółowo

3. Modele tendencji czasowej w prognozowaniu

3. Modele tendencji czasowej w prognozowaniu II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa

Bardziej szczegółowo

Podstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF

Podstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF Podstawy ekonometrii Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF Cele przedmiotu: I. Ogólne informacje o przedmiocie. - Opanowanie podstaw teoretycznych, poznanie przykładów zastosowań metod modelowania

Bardziej szczegółowo

x 1 x 2 x 3 x n w 1 w 2 Σ w 3 w n x 1 x 2 x 1 XOR x (x A, y A ) y A x A

x 1 x 2 x 3 x n w 1 w 2 Σ w 3 w n x 1 x 2 x 1 XOR x (x A, y A ) y A x A Sieci neuronowe model konekcjonistczn Plan wkładu Perceptron - przpomnienie Uczenie nienadzorowane Sieci Hopfielda Perceptron w 3 Σ w n A Liniowo separowaln problem klasfikacji ( A, A ) Problem XOR 0 0

Bardziej szczegółowo

4. Średnia i autoregresja zmiennej prognozowanej

4. Średnia i autoregresja zmiennej prognozowanej 4. Średnia i autoregresja zmiennej prognozowanej 1. Średnia w próbie uczącej Własności: y = y = 1 N y = y t = 1, 2, T s = s = 1 N 1 y y R = 0 v = s 1 +, 2. Przykład. Miesięczna sprzedaż żelazek (szt.)

Bardziej szczegółowo

Modele wielorownaniowe

Modele wielorownaniowe Część 1. e e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej e makroekonomiczne z reguły składają się z większej

Bardziej szczegółowo

Metody Eulera i Eulera-Cauchy'ego rozwiązywania równań różniczkowych zwyczajnych. y 3 := x 2 (1) ( ) Rozwiązanie dokładne równania (1) (2)

Metody Eulera i Eulera-Cauchy'ego rozwiązywania równań różniczkowych zwyczajnych. y 3 := x 2 (1) ( ) Rozwiązanie dokładne równania (1) (2) euler-przkl_.xmcd Metod Eulera i Eulera-Cauch'ego rozwiązwania równań różniczkowch zwczajnch ' ( x, ) : x () + Rozwiązanie dokładne równania () ( x, C) : + C exp( atan( x) ) () Sprawdzenie: d dx ( x, C)

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawy Automatyki. Człowiek- najlepsza inwestycja. Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Podstawy Automatyki. Człowiek- najlepsza inwestycja. Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Podstaw Automatki Człowiek- najlepsza inwestcja Projekt współfinansowan przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Politechnika Warszawska Insttut Automatki i Robotki Dr inż. Wieńczsław

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Automatyka. Treść wykładów: Układ sekwencyjny synchroniczny. Układ kombinacyjny AND. Układ sekwencyjny asynchroniczny. Układ sekwencyjny synchroniczny

Automatyka. Treść wykładów: Układ sekwencyjny synchroniczny. Układ kombinacyjny AND. Układ sekwencyjny asynchroniczny. Układ sekwencyjny synchroniczny Automatka dr inż. Szmon Surma szmon.surma@polsl.pl zawt.polsl.pl/studia pok. 202, tel. +48 32 603 4136 Treść wkładów: 1. Podstaw automatki 2. Układ kombinacjne, 3. Układ sekwencjne snchronicze, 4. Układ

Bardziej szczegółowo

MES W ANALIZIE SPRĘŻYSTEJ UKŁADÓW PRĘTOWYCH

MES W ANALIZIE SPRĘŻYSTEJ UKŁADÓW PRĘTOWYCH MES W ANAIZIE SPRĘŻYSEJ KŁADÓW PRĘOWYCH Przkład obliczeń Kratownice płaskie idia FEDOROWICZ Jan FEDOROWICZ Magdalena MROZEK Dawid MROZEK Gliwice r. - idia Fedorowicz Jan Fedorowicz Magdalena Mrozek Dawid

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Elementy cyfrowe i układy logiczne

Elementy cyfrowe i układy logiczne Element cfrowe i układ logiczne Wkład 6 Legenda Technika cfrowa. Metod programowania układów PLD Pamięć ROM Struktura PLA Struktura PAL Przkład realizacji 3 4 5 6 7 8 Programowanie PLD po co? ustanowić

Bardziej szczegółowo