Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego
|
|
- Antonina Sobczyk
- 6 lat temu
- Przeglądów:
Transkrypt
1 Dobó zmiennych objaśniających do liniowego modelu ekonometycznego
2 Wstępnym zadaniem pzy budowie modelu ekonometycznego jest okeślenie zmiennych objaśniających. Kyteium wybou powinna być meytoyczna znajomość badanego zjawiska. Należy wybieać takie czynniki (zmienne objaśniające) któe mają istotny wpływ na kształtowanie się badanego zjawiska (zmiennej objaśnianej). Tak zebane zmienne będą nazywane zbioem potencjalnych zmiennych objaśniających.
3 Do najważniejszych kyteiów fomalnostatystycznych stosowanych w metodach wybou zmiennych należą: 1. Zmienne występujące w modelu powinny chaakteyzować się dużą zmiennością; 2. Należy zapewnić maksymalne skoelowanie zmiennej objaśnianej ze zmiennymi objaśniającymi; 3. Zmienne objaśniające nie powinny być istotnie skoelowane między sobą; 4. Należy dążyć do maksymalnego stopnia dopasowania modelu do zeczywistych elacji gospodaczych co wyaża się w maksymalizacji współczynnika deteminacji R 2.
4
5 Metoda Hellwiga (nazywana ównież ) jest metodą któa zdobyła sobie największe uznanie wśód ekonometyków powadzących badania empiyczne. Idea tej metody spowadza się do powołania na zmienne objaśniające takich zmiennych któe są mocno skoelowane ze zmienną objaśnianą i jednocześnie słabo skoelowane między sobą. Punktem wyjścia jest zatem oszacowanie maciezy R współczynników koelacji między potencjalnymi zmiennymi objaśniającymi ( kandydatkami ) oaz wektoa R 0 współczynników koelacji między zmienną objaśnianą a potencjalnymi zmiennymi objaśniającymi.
6 Załóżmy że dysponujemy k-elementowym zbioem kandydatek na zmienne objaśniające {X 1 X 2 X k } dla któych szacujemy maciez R: R 1 21 k k 2 1k 2k 1 gdzie: ij X oaz wekto R 0 : i X i j i j k j R k gdzie: ij Y X i k i.
7 Mając wyznaczone maciez R i wekto R 0 pzystępuje się do obliczania tzw. indywidualnych pojemności nośników infomacji X o zmiennej Y wchodzących w skład óżnych kombinacji utwozonych z elementów danego k-elementowego zbiou potencjalnych zmiennych objaśniających. Wiadomo że ogólna liczba tych kombinacji wynosi dokładnie l = 2 k 1. Indywidualne pojemności nośników infomacji dla poszczególnych potencjalnych zmiennych objaśniających w amach każdej kombinacji zdefiniowane są następująco: 2 0 j hkj n k 1 gdzie: h kj wskaźnik indywidualnej pojemności infomacji zmiennej X j w k-tej kombinacji; 0j - współczynnik koelacji zmiennej objaśnianej ze zmienną X j ; ij - współczynnik koelacji miedzy potencjalnymi zmiennymi objaśniającymi X i oaz X j ; n k - liczba potencjalnych zmiennych objaśniających w k tej kombinacji. i i 1 j ij
8 Następnie oblicza się wskaźniki integalnej pojemności infomacji w amach każdej z n kombinacji według wzou n k H k h kj. Wskaźniki indywidualnej i integalnej pojemności infomacji chaakteyzują się następującymi własnościami: 1. pzyjmują tym większe watości im silniej zmienne objaśniające są skoelowane ze zmienną objaśnianą 2. pzyjmują tym większe watości im słabiej zmienne objaśniające są skoelowane między sobą 3. są unomowane: 0 h kj 1 0 H k są niemianowane. Pzedstawiona metoda postępowania pozwala na wybó optymalnej kombinacji zmiennych objaśniających. Kyteium wybou takiej kombinacji można zapisać jako gdzie: H k max H H k* - oznacza kombinację optymalnych zmiennych. j 1 * k k
9 Metoda Pawłowskiego to. W metodzie tej mamy pzygotowaną listę m potencjalnych zmiennych objaśniających i z góy ustaloną liczbę k zmiennych któe mają wejść do modelu pzy czym k<m. Ze zbiou m potencjalnych zmiennych objaśniających ozpatujemy wszystkie z możliwych kombinacji zmiennych. Kombinacje te będą twozyć zbió P k kombinacji dopuszczalnych z któych szukamy najlepszą kombinację zmiennych objaśniających tzn. taką w któej zmienne objaśniające są możliwie słabo skoelowane.
10 W piewszej kolejności wyznaczamy maciez koelacji R. Następnie ozpatujemy wyznaczniki poszczególnych podmaciezy otzymanych z maciezy R w któej zachowano tylko wiesze i kolumny o numeach ównych numeom zmiennych w ozpatywanej kombinacji. Za optymalną kombinację uważa się taką kombinację zmiennych dla któej odpowiedni podwyznacznik jest największy (zmienne X 1 X 2 X k są tym słabiej skoelowane między sobą im większy i bliższy jedności jest odpowiedni wyznacznik maciezy koelacji).
11 Idea tej metody podobnie jak w metodzie pojemności infomacji opiea się na wyboze takich zmiennych objaśniających do modelu któe są silnie skoelowane ze zmienną objaśnianą oaz słabo skoelowane między sobą. Pocedua metody ozpoczyna się od utwozenia wektoa koelacji R 0 między zmienną objaśnianą a potencjalnymi zmiennymi objaśniającymi oaz maciezy koelacji R paami między potencjalnymi zmiennymi objaśniającymi.
12 W kolejnym etapie spawdzamy któe elementy maciezy R są tak małe że możemy je uznać za zeowe (nieistotnie óżne od zea). W tym celu poównujemy zeczywiste współczynniki koelacji ij z maciezy R ze współczynnikiem kytycznym któy możemy wyznaczyć dwoma sposobami. Współczynnik ten można wyznaczyć ze wzou 2 * t 2 t n 2 gdzie t jest watością statystyki odczytaną z tablic testu t-studenta dla zadanego poziomu istotności α oaz dla n 2 stopni swobody. Dugi sposób jest opaty na egule minimaksowej takiej że na podstawie maciezy R ustalamy: * min max dla i j. i j * Jeśli zachodzi waunek ij to wszystkie elementy spełniające ten waunek zastępujemy w maciezy R zeami. Maciez tę oznaczamy R. ij
13 W kolejnym etapie na podstawie maciezy R budujemy gaf w któym wiezchołkami są potencjalne zmienne objaśniające a wiązadłami niezeowe elementy maciezy R. Możemy otzymać gaf spójny lub kilka podgafów a także punkty (zmienne) odosobnione. Z tak powstałych podgafów do modelu wybieamy zmienne odosobnione (nie są one bowiem skoelowane z innymi potencjalnymi zmiennymi objaśniającymi) oaz te zmienne któe mają największą liczbę powiązań (wiązadeł) z innymi potencjalnymi zmiennymi objaśniającymi. Jeżeli takich zmiennych jest więcej niż jedna to wybiea się spośód nich tę któa jest najsilniej skoelowana ze zmienną objaśnianą. Taki wybó jest podyktowany tym że zmienna o największej liczbie wiązadeł w gafie gomadzi w sobie najwięcej infomacji o pozostałych zmiennych (z któymi była powiązana) a więc będzie dobą ich epezentantką.
14 Waunkiem wstępnym do tego aby dana zmienna mogła być uznana za objaśniającą w modelu jest jej wystaczające zóżnicowanie. Zmienną objaśniającą bowiem nie może być zmienna któej poszczególne obsewacje nie óżnią się między sobą (lub óżnią się w niewielkim stopniu). Nie jest to wtedy zmienna lecz stała (lub quasi-stała). Do miezenia poziomu zóżnicowania najczęściej wykozystuje się klasyczny współczynnik zmienności: s j Vj x j gdzie: s j - odchylenie standadowe zmiennej X j x j - śednia aytmetyczna zmiennej X j.
15 Zwykle obiea się kytyczną watość współczynnika zmienności V* (np. V* =01). Zmienne spełniające nieówność V j V * uznaje się za mało zóżnicowane i eliminuje ze zbiou potencjalnych zmiennych objaśniających. Zmienne te nie wnoszą istotnych infomacji.
16 W metodzie tej ustala się tzw. watość kytyczną współczynnika koelacji. Okeśla ona poziom istotności współczynnika koelacji. Watość ta może być zadana pzez badacza albo wyznaczona ze wzou: * t 2 Pocedua dobou zmiennych objaśniających jest następująca. 1. Ze zbiou potencjalnych zmiennych objaśniających eliminuje się wszystkie zmienne dla któych zachodzi nieówność są to bowiem zmienne nieistotnie skoelowane ze zmienną objaśnianą. 2 t n 0 j * 2
17 2. Spośód pozostałych potencjalnych zmiennych jako zmienną objaśniającą wybiea się taką zmienną X h dla któej h max j j Ponieważ zmienna X h jest nośnikiem największego zasobu infomacji o zmiennej objaśnianej. 3. Ze zbiou pozostałych potencjalnych zmiennych objaśniających eliminuje się te wszystkie zmienne dla któych * hi są to bowiem zmienne zbyt silnie skoelowane ze zmienną objaśniającą X h a więc powielające dostaczone pzez nią infomacje. Jeśli pozostały jeszcze jakieś zmienne to pzechodzi się do punktu 2. Postępowanie kontynuuje się do momentu wyczepania zbiou potencjalnych zmiennych objaśniających.
18
Dobór zmiennych do modelu ekonometrycznego
Dobó zmiennych do modelu ekonometycznego Metody dobou zmiennych do modelu ekonometycznego opate na teście F Model zedukowany ya 0 +a x+a x+.+a x Model pełny ya 0 +a x+a x+.+a x +a + x + + +a k x k Częściowy
Bardziej szczegółowo1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej:
Metoda analizy macierzy współczynników korelacji Idea metody sprowadza się do wyboru takich zmiennych objaśniających, które są silnie skorelowane ze zmienną objaśnianą i równocześnie słabo skorelowane
Bardziej szczegółowoGraf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie
Gaf skieowany Gaf skieowany definiuje się jako upoządkowaną paę zbioów. Piewszy z nich zawiea wiezchołki gafu, a dugi składa się z kawędzi gafu, czyli upoządkowanych pa wiezchołków. Ruch po gafie możliwy
Bardziej szczegółowoWYKŁAD 11 OPTYMALIZACJA WIELOKRYTERIALNA
WYKŁAD OPTYMALIZACJA WIELOKYTEIALNA Wstęp. W wielu pzypadkach pzy pojektowaniu konstukcji technicznych dla okeślenia ich jakości jest niezędne wpowadzenie więcej niż jednego kyteium oceny. F ) { ( ), (
Bardziej szczegółowoTradycyjne mierniki ryzyka
Tadycyjne mieniki yzyka Pzykład 1. Ryzyko w pzypadku potfela inwestycyjnego Dwie inwestycje mają następujące stopy zwotu, zależne od sytuacji gospodaczej: Sytuacja Pawdopodobieństwo R R Recesja 0, 9,0%
Bardziej szczegółowoPróba określenia miary jakości informacji na gruncie teorii grafów dla potrzeb dydaktyki
Póba okeślenia miay jakości infomacji na guncie teoii gafów dla potzeb dydaktyki Zbigniew Osiak E-mail: zbigniew.osiak@gmail.com http://ocid.og/0000-0002-5007-306x http://via.og/autho/zbigniew_osiak Steszczenie
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Zadanie. W kolejnych okesach czasu t =,,3,... ubezpieczony, chaakteyzujący się paametem yzyka Λ, geneuje szkód. Dla danego Λ = λ zmienne N t N, N, N 3,... są waunkowo niezależne i mają (bzegowe) ozkłady
Bardziej szczegółowoUniwersytet Warszawski Teoria gier dr Olga Kiuila LEKCJA 2
LEKCJA 2 Pzykład: Dylemat Cykoa (albo Poke Dogowy) Dwie osoby wsiadają w samochody, ozpędzają się i z dużą pędkością jadą na siebie - ten kto piewszy zahamuje lub zjedzie z tasy jest "cykoem" i pzegywa.
Bardziej szczegółowoOcena siły oddziaływania procesów objaśniających dla modeli przestrzennych
Michał Benad Pietzak * Ocena siły oddziaływania pocesów objaśniających dla modeli pzestzennych Wstęp Ekonomiczne analizy pzestzenne są ważnym kieunkiem ozwoju ekonometii pzestzennej Wynika to z faktu,
Bardziej szczegółowoMetody optymalizacji. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metody optymalizacji d inż. Paweł Zalewski kademia Moska w Szczecinie Optymalizacja - definicje: Zadaniem optymalizacji jest wyznaczenie spośód dopuszczalnych ozwiązań danego polemu ozwiązania najlepszego
Bardziej szczegółowoModel klasyczny gospodarki otwartej
Model klasyczny gospodaki otwatej Do tej poy ozpatywaliśmy model sztucznie zakładający, iż gospodaka danego kaju jest gospodaką zamkniętą. A zatem bak było międzynaodowych pzepływów dób i kapitału. Jeżeli
Bardziej szczegółowoANALIZA DANYCH W STATA 8.0
ANALIZA DANYCH W STATA 8.0 ZAJĘCIA 3 1. Rozpoczęcie 1. Stwozyć w katalogu C:/temp katalog stata_3 2. Ściągnąć z intenetu ze stony http://akson.sgh.waw.pl/~mpoch plik zajecia3.zip (kyje się on pod tekstem
Bardziej szczegółowoModelowanie przepływu cieczy przez ośrodki porowate Wykład III
Modelowanie pzepływu cieczy pzez ośodki poowate Wykład III 6 Ogólne zasady ozwiązywania ównań hydodynamicznego modelu pzepływu. Metody ozwiązania ównania Laplace a. Wpowadzenie wielkości potencjału pędkości
Bardziej szczegółowodr inż. Małgorzata Langer Architektura komputerów
Instukcja współfinansowana pzez Unię Euopejską w amach Euopejskiego Funduszu Społecznego w pojekcie Innowacyjna dydaktyka bez oganiczeń zintegowany ozwój Politechniki Łódzkiej zaządzanie Uczelnią, nowoczesna
Bardziej szczegółowoEnergia kinetyczna i praca. Energia potencjalna
negia kinetyczna i paca. negia potencjalna Wykład 4 Wocław Univesity of Technology 1 NRGIA KINTYCZNA I PRACA 5.XI.011 Paca Kto wykonał większą pacę? Hossein Rezazadeh Olimpiada w Atenach 004 WR Podzut
Bardziej szczegółowoKognitywistyka II r. Teoria rzetelności wyników testu. Teorie inteligencji i sposoby jej pomiaru (4) Rzetelność czyli dokładność pomiaru
Kognitywistyka II Teoie inteligencji i sposoby jej pomiau (4) Teoia zetelności wyników testu Rzetelność czyli dokładność pomiau W języku potocznym temin zetelność oznacza niezawodność (dokładność). W psychometii
Bardziej szczegółowoZadanie 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 szczegółowoĆWICZENIE 3 REZONANS W OBWODACH ELEKTRYCZNYCH
ĆWZENE 3 EZONANS W OBWODAH EEKTYZNYH el ćwiczenia: spawdzenie podstawowych właściwości szeegowego i ównoległego obwodu ezonansowego pzy wymuszeniu napięciem sinusoidalnym, zbadanie wpływu paametów obwodu
Bardziej szczegółowoMIERNICTWO WIELKOŚCI ELEKTRYCZNYCH I NIEELEKTRYCZNYCH
Politechnika Białostocka Wydział Elektyczny Kateda Elektotechniki Teoetycznej i Metologii nstukcja do zajęć laboatoyjnych z pzedmiotu MENCTWO WEKOŚC EEKTYCZNYCH NEEEKTYCZNYCH Kod pzedmiotu: ENSC554 Ćwiczenie
Bardziej szczegółowoKURS GEOMETRIA ANALITYCZNA
KURS GEOMETRIA ANALITYCZNA Lekcja 2 Działania na wektoach w układzie współzędnych. ZADANIE DOMOWE www.etapez.pl Stona 1 Część 1: TEST Zaznacz popawną odpowiedź (tylko jedna jest pawdziwa). Pytanie 1 Któe
Bardziej szczegółowoZawiadomienie o wyborze najkorzystniejszej oferty
Kaków, dnia 28 wześnia 2015. Nasz znak: KZ.II.272.10.2015 Dotyczy: postępowania o udzielenie publicznego w tybie pzetagu nieoganiczonego pn.: Pzygotowanie i pzepowadzenie kampanii infomacyjno edukacyjnej,
Bardziej szczegółowoKRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka Poziom rozszerzony
KRYTERIA OCENIANIA ODPOWIEDZI Póbna Matua z OPERONEM Matematyka Poziom ozszezony Listopad 0 W ni niej szym sche ma cie oce nia nia za dań otwa tych są pe zen to wa ne pzy kła do we po paw ne od po wie
Bardziej szczegółowoAKADEMIA INWESTORA INDYWIDUALNEGO CZĘŚĆ II. AKCJE.
uma Pzedsiębiocy /6 Lipiec 205. AKAEMIA INWESTORA INYWIUALNEGO CZĘŚĆ II. AKCJE. WYCENA AKCJI Wycena akcji jest elementem analizy fundamentalnej akcji. Następuje po analizie egionu, gospodaki i banży, w
Bardziej szczegółowoWykład 1. Elementy rachunku prawdopodobieństwa. Przestrzeń probabilistyczna.
Podstawowe pojęcia. Wykład Elementy achunku pawdopodobieństwa. Pzestzeń pobabilistyczna. Doświadczenie losowe-doświadczenie (zjawisko, któego wyniku nie możemy pzewidzieć. Pojęcie piewotne achunku pawdopodobieństwa
Bardziej szczegółowoparametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Bardziej szczegółowoWykład: praca siły, pojęcie energii potencjalnej. Zasada zachowania energii.
Wykład: paca siły, pojęcie enegii potencjalnej. Zasada zachowania enegii. Uwaga: Obazki w tym steszczeniu znajdują się stonie www: http://www.whfeeman.com/tiple/content /instucto/inde.htm Pytanie: Co to
Bardziej szczegółowoStatystyka 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 szczegółowoWYKŁAD 1. W przypadku zbiornika zawierającego gaz, stan układu jako całości jest opisany przez: temperaturę, ciśnienie i objętość.
WYKŁAD 1 Pzedmiot badań temodynamiki. Jeśli chcemy opisać układ złożony z N cząstek, to możemy w amach mechaniki nieelatywistycznej dla każdej cząstki napisać ównanie uchu: 2 d i mi = Fi, z + Fi, j, i,
Bardziej szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Bardziej szczegółowoKINEMATYCZNE WŁASNOW PRZEKŁADNI
KINEMATYCZNE WŁASNOW ASNOŚCI PRZEKŁADNI Waunki współpacy pacy zazębienia Zasada n 1 - koła zębate mogą ze sobą współpacować, kiedy mają ten sam moduł m. Czy to wymaganie jest wystaczające dla pawidłowej
Bardziej szczegółowoEkonometria - wykªad 8
Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana
Bardziej szczegółowoK 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 szczegółowoWykład 17. 13 Półprzewodniki
Wykład 17 13 Półpzewodniki 13.1 Rodzaje półpzewodników 13.2 Złącze typu n-p 14 Pole magnetyczne 14.1 Podstawowe infomacje doświadczalne 14.2 Pąd elektyczny jako źódło pola magnetycznego Reinhad Kulessa
Bardziej szczegółowo3. 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 szczegółowoOpis ćwiczeń na laboratorium obiektów ruchomych
Gdańsk 3.0.007 Opis ćwiczeń na laboatoium obiektów uchomych Implementacja algoytmu steowania obotem w śodowisku symulacyjnym gy obotów w piłkę nożną stwozonym w Katedze Systemów Automatyki Politechniki
Bardziej szczegółowo11. DYNAMIKA RUCHU DRGAJĄCEGO
11. DYNAMIKA RUCHU DRGAJĄCEGO Ruchem dgającym nazywamy uch, któy powtaza się peiodycznie w takcie jego twania w czasie i zachodzi wokół położenia ównowagi. Zespół obiektów fizycznych zapewniający wytwozenie
Bardziej szczegółowoUwagi: LABORATORIUM WYTRZYMAŁOŚCI MATERIAŁÓW. Ćwiczenie nr 16 MECHANIKA PĘKANIA. ZNORMALIZOWANY POMIAR ODPORNOŚCI MATERIAŁÓW NA PĘKANIE.
POLITECHNIKA KRAKOWSKA WYDZIAŁ MECHANZNY INSTYTUT MECHANIKI STOSOWANEJ Zakład Mechaniki Doświadczalnej i Biomechaniki Imię i nazwisko: N gupy: Zespół: Ocena: Uwagi: Rok ak.: Data ćwicz.: Podpis: LABORATORIUM
Bardziej szczegółowoWeryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
Bardziej szczegółowoROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ.
ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ. STRESZCZENIE Na bazie fizyki klasycznej znaleziono nośnik ładunku gawitacyjnego, uzyskano jedność wszystkich odzajów pól ( elektycznych,
Bardziej szczegółowoPRÓBNY EGZAMIN MATURALNY Z MATEMATYKI
PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ODPOWIEDZI DO ARKUSZA ROZSZERZONEGO Zadanie ( pkt) A Zadanie ( pkt) C Zadanie ( pkt) A, bo sinα + cosα sinα + cosα cos sinα sin cosα + π π + π sin α π A więc musi
Bardziej szczegółowoL(x, 0, y, 0) = x 2 + y 2 (3)
0. Małe dgania Kótka notatka o małych dganiach wyjasniające możliwe niejasności. 0. Poszukiwanie punktów ównowagi Punkty ównowagi wyznaczone są waunkami x i = 0, ẋi = 0 ( Pochodna ta jest ówna pochodnej
Bardziej szczegółowoZWIĄZEK FUNKCJI OMEGA Z DOMINACJĄ STOCHASTYCZNĄ
Studia konomiczne. Zeszyty Naukowe Uniwesytetu konomicznego w Katowicach ISSN 283-86 N 237 25 Infomatyka i konometia 2 wa Michalska Uniwesytet konomiczny w Katowicach Wydział Infomatyki i Komunikacji Kateda
Bardziej szczegółowoModelowanie zmienności i dokładność oszacowania jakości węgla brunatnego w złożu Bełchatów (pole Bełchatów)
Akademia Góniczo-Hutnicza, Kopalnia Węgla Bunatnego, Wydział Geologii, Geofizyki i Ochony śodowiska Bełchatów Wasztaty Gónicze 24 Jacek Mucha, Tadeusz Słomka, Wojciech Mastej, Tomasz Batuś Akademia Góniczo-Hutnicza,
Bardziej szczegółowo= ± Ne N - liczba całkowita.
POL LKTRYCZN W PRÓŻNI Ładunek - elementany Nieodłączna własność niektóych cząstek elementanych, [n. elektonu (-e), otonu (+e)], zejawiająca się w oddziaływaniu elektomagnetycznym tych cząstek. e =,6-9
Bardziej szczegółowoDOLNOŚLĄSKA WOJEWÓDZKA KOMENDA OCHOTNICZYCH HUFCÓW PRACY
DOLNOŚLĄSKA WOJEWÓDZKA KOMENDA OCHOTNICZYCH HUFCÓW PRACY - Wocław, Wybzeże J. Słowackiego 9 tel. (7) --7, -9-8 e-mail: dolnoslaska@ohp.pl fax (7) -9- N konta: NBP O/Wocław 9 7 9 88 N egon: 78 NIP: 89---9
Bardziej szczegółowo00502 Podstawy kinematyki D Część 2 Iloczyn wektorowy i skalarny. Wektorowy opis ruchu. Względność ruchu. Prędkość w ruchu prostoliniowym.
1 00502 Kinematyka D Dane osobowe właściciela akusza 00502 Podstawy kinematyki D Część 2 Iloczyn wektoowy i skalany. Wektoowy opis uchu. Względność uchu. Pędkość w uchu postoliniowym. Instukcja dla zdającego
Bardziej szczegółowoCHARAKTERYSTYKI GEOMETRYCZNE FIGUR PŁASKICH
Politecnika Rzeszowska Wydział Budowy Maszyn i Lotnictwa Kateda Samolotów i Silników Lotniczyc Pomoce dydaktyczne Wytzymałość Mateiałów CHRKTERYSTYKI GEOMETRYCZNE FIGUR PŁSKICH Łukasz Święc Rzeszów, 18
Bardziej szczegółowoWpływ błędów parametrów modelu maszyny indukcyjnej na działanie rozszerzonego obserwatora prędkości
Daniel WACHOWIAK Zbigniew KRZEMIŃSKI Politechnika Gdańska Wydział Elektotechniki i Automatyki Kateda Automatyki Napędu Elektycznego doi:1015199/48017091 Wpływ błędów paametów modelu maszyny indukcyjnej
Bardziej szczegółowoTEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.
TEST STATYSTYCZNY Testem statystycznym nazywamy regułę postępowania rozstrzygająca, przy jakich wynikach z próby hipotezę sprawdzaną H 0 należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.
Bardziej szczegółowo1. Ciało sztywne, na które nie działa moment siły pozostaje w spoczynku lub porusza się ruchem obrotowym jednostajnym.
Wykład 3. Zasada zachowania momentu pędu. Dynamika punktu mateialnego i były sztywnej. Ruch obotowy i postępowy Większość ciał w pzyodzie to nie punkty mateialne ale ozciągłe ciała sztywne tj. obiekty,
Bardziej szczegółowoII.6. Wahadło proste.
II.6. Wahadło poste. Pzez wahadło poste ozumiemy uch oscylacyjny punktu mateialnego o masie m po dolnym łuku okęgu o pomieniu, w stałym polu gawitacyjnym g = constant. Fig. II.6.1. ozkład wektoa g pzyśpieszenia
Bardziej szczegółowoTestowanie hipotez statystycznych.
Bioinformatyka Wykład 9 Wrocław, 5 grudnia 2011 Temat. Test zgodności χ 2 Pearsona. Statystyka χ 2 Pearsona Rozpatrzmy ciąg niezależnych zmiennych losowych X 1,..., X n o jednakowym dyskretnym rozkładzie
Bardziej szczegółowoProgramowanie liniowe
Badania operacyjne Problem Model matematyczny Metoda rozwiązania Znaleźć optymalny program produkcji. Zmaksymalizować 1 +3 2 2 3 (1) Przy ograniczeniach 3 1 2 +2 3 7 (2) 2 1 +4 2 12 (3) 4 1 +3 2 +8 3 10
Bardziej szczegółowoPOLE MAGNETYCZNE W PRÓŻNI. W roku 1820 Oersted zaobserwował oddziaływanie przewodnika, w którym płynął
POLE MAGNETYCZNE W PÓŻNI W oku 8 Oested zaobsewował oddziaływanie pzewodnika, w któym płynął pąd, na igłę magnetyczną Dopowadziło to do wniosku, że pądy elektyczne są pzyczyną powstania pola magnetycznego
Bardziej szczegółowo{ 1, 2,, n } Ponadto wówczas mówimy, że formuła: oraz równoważna jej formuła:
RCHUNEK ZDŃ 6 Do ozstzygania, któe fomuły achunku zdań są tautologiami, czyli pawami logiki, stosować możemy tzy odzaje metod: 1) metodę matycową (zeo-jedynkową), 2) metodę założeniową, 3) metodę aksjomatyczną.
Bardziej szczegółowoJEDNORÓWNANIOWY 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 szczegółowoRodzajowy rachunek kosztów Wycena zuŝycia materiałów
Rodzajowy achunek kosztów (wycena zuŝycia mateiałów) Wycena zuŝycia mateiałów ZuŜycie mateiałów moŝe być miezone, wyceniane, dokumentowane i ewidencjonowane w óŝny sposób. Stosowane metody wywieają jednak
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 8
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8 Regresja wielokrotna Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X 1, X 2, X 3,...) na zmienną zależną (Y).
Bardziej szczegółowoStruktura danych = system relacyjny U, U uniwersum systemu - zbiór relacji (operacji) na strukturze danych
Temat: Stuktuy dzewiste 1. Stuktua słownika { } I Stuktua danych = system elacyjny U, i i U uniwesum systemu { i } i I - zbió elacji (opeacji) na stuktuze danych Fomalna definicja stuktuy danych składa
Bardziej szczegółowoINSTRUKCJA DO ĆWICZENIA
NSTRKJA DO ĆWZENA Temat: Rezonans w obwodach elektycznych el ćwiczenia elem ćwiczenia jest doświadczalne spawdzenie podstawowych właściwości szeegowych i ównoległych ezonansowych obwodów elektycznych.
Bardziej szczegółowoĆWICZENIE 5. Badanie przekaźnikowych układów sterowania
ĆWICZENIE 5 Badanie zekaźnikowych układów steowania 5. Cel ćwiczenia Celem ćwiczenia jest badanie zekaźnikowych układów steowania obiektem całkującoinecyjnym. Ćwiczenie dotyczy zekaźników dwu- i tójołożeniowych
Bardziej szczegółowoZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.
Opracowała: Joanna Kisielińska ZMIENNE LOSOWE Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R tzn. X: R. Realizacją zmiennej losowej
Bardziej szczegółowoIdea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
Bardziej szczegółowoLIST EMISYJNY nr 3 /2014 Ministra Finansów
LIST EMISYJNY n /0 Minista Finansów z dnia stycznia 0. w spawie emisji kótkookesowych oszczędnościowych obligacji skabowych o opocentowaniu stałym ofeowanych w sieci spzedaży detalicznej Na podstawie at.
Bardziej szczegółowoMETEMATYCZNY MODEL OCENY
I N S T Y T U T A N A L I Z R E I O N A L N Y C H w K i e l c a c h METEMATYCZNY MODEL OCENY EFEKTYNOŚCI NAUCZNIA NA SZCZEBLU IMNAZJALNYM I ODSTAOYM METODĄ STANDARYZACJI YNIKÓ OÓLNYCH Auto: D Bogdan Stępień
Bardziej szczegółowoEstymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania
Bardziej szczegółowoStatystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28
Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych
Bardziej szczegółowoMECHANIKA OGÓLNA (II)
MECHNIK GÓLN (II) Semest: II (Mechanika I), III (Mechanika II), ok akademicki 2017/2018 Liczba godzin: sem. II*) - wykład 30 godz., ćwiczenia 30 godz. sem. III*) - wykład 30 godz., ćwiczenia 30 godz. (dla
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoAlgebra liniowa. Macierze i układy równań liniowych
Algebra liniowa Macierze i układy równań liniowych Własności wyznaczników det I = 1, det(ab) = det A det B, det(a T ) = det A. Macierz nieosobliwa Niech A będzie macierzą kwadratową wymiaru n n. Mówimy,
Bardziej szczegółowoSK-7 Wprowadzenie do metody wektorów przestrzennych SK-8 Wektorowy model silnika indukcyjnego, klatkowego
Ćwiczenia: SK-7 Wpowadzenie do metody wektoów pzetzennych SK-8 Wektoowy model ilnika indukcyjnego, klatkowego Wpowadzenie teoetyczne Wekto pzetzenny definicja i poawowe zależności. Dowolne wielkości kalane,
Bardziej szczegółowoTestowanie hipotez statystycznych
round Testowanie hipotez statystycznych Wyk lad 9 Natalia Nehrebecka Stanis law Cichocki 13 grudnia 2014 Plan zajeć 1 Rozk lad estymatora b Rozk lad sumy kwadratów reszt 2 Hipotezy proste - test t Badanie
Bardziej szczegółowoPOMIAR PĘTLI HISTEREZY MAGNETYCZNEJ
POMAR PĘTL STEREZ MAGNETZNEJ 1. Opis teoetyczny do ćwiczenia zamieszczony jest na stonie www.wtc.wat.edu.pl w dziale DDAKTKA FZKA ĆZENA LABORATORJNE.. Opis układu pomiaowego Mateiały feomagnetyczne (feyt,
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoAnaliza wariancji w analizie regresji - weryfikacja prawdziwości przyjętego układu ograniczeń Problem Przykłady
Analiza wariancji w analizie regresji - weryfikacja prawdziwości przyjętego układu ograniczeń 1. Problem ozwaŝamy zjawisko (model): Y = β 1 X 1 X +...+ β k X k +Z Ηβ = w r Hipoteza alternatywna: Ηβ w r
Bardziej szczegółowoArkusze maturalne poziom podstawowy
Akusze matualne poziom postawowy zaania zamknięte N zaania 5 7 8 9 0 Pawiłowa opowieź a c a b c b a Liczba punktów zaania otwate N zaania Pawiłowa opowieź Punkty Q mg 00 N Z III zasay ynamiki wynika, że
Bardziej szczegółowoUkłady równań liniowych i metody ich rozwiązywania
Układy równań liniowych i metody ich rozwiązywania Łukasz Wojciechowski marca 00 Dany jest układ m równań o n niewiadomych postaci: a x + a x + + a n x n = b a x + a x + + a n x n = b. a m x + a m x +
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoPRĄD ELEKTRYCZNY I SIŁA MAGNETYCZNA
PĄD LKTYCZNY SŁA MAGNTYCZNA Na ładunek, opócz siły elektostatycznej, działa ównież siła magnetyczna popocjonalna do pędkości ładunku v. Pzekonamy się, że siła działająca na magnes to siła działająca na
Bardziej szczegółowoZależność natężenia oświetlenia od odległości
Zależność natężenia oświetlenia CELE Badanie zależności natężenia oświetlenia powiezchni wytwazanego pzez żaówkę od niej. Uzyskane dane są analizowane w kategoiach paw fotometii (tzw. pawa odwotnych kwadatów
Bardziej szczegółowo2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Sprawdzanie założeń przyjętych o modelu (etap IIIC przyjętego schematu modelowania regresyjnego) 1. Szum 2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Bardziej szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
Bardziej szczegółowoWykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Bardziej szczegółowoROZKŁAD NORMALNY. 2. Opis układu pomiarowego
ROZKŁAD ORMALY 1. Opis teoetyczny do ćwiczenia zamieszczony jest na stonie www.wtc.wat.edu.pl w dziale DYDAKTYKA FIZYKA ĆWICZEIA LABORATORYJE (Wstęp do teoii pomiaów). 2. Opis układu pomiaowego Ćwiczenie
Bardziej szczegółowoRuch obrotowy. Wykład 6. Wrocław University of Technology
Wykład 6 Wocław Univesity of Technology Oboty - definicje Ciało sztywne to ciało któe obaca się w taki sposób, że wszystkie jego części są związane ze sobą dzięki czemu kształt ciała nie ulega zmianie.
Bardziej szczegółowo), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0
Testowanie hipotez Każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy nazywamy hipotezą statystyczną. Hipoteza określająca jedynie wartości nieznanych parametrów liczbowych badanej cechy
Bardziej szczegółowoTestowanie hipotez statystycznych
Testowanie hipotez statystycznych Wyk lad 8 Natalia Nehrebecka Stanis law Cichocki 29 listopada 2015 Plan zajeć 1 Rozk lad estymatora b Rozk lad sumy kwadratów reszt 2 Hipotezy proste - test t Badanie
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 9
Stanisław Cichocki Natalia Nehrebecka Wykład 9 1 1. Dodatkowe założenie KMRL 2. Testowanie hipotez prostych Rozkład estymatora b Testowanie hipotez prostych przy użyciu statystyki t 3. Przedziały ufności
Bardziej szczegółowoMONITORING STACJI FOTOWOLTAICZNYCH W ŚWIETLE NORM EUROPEJSKICH
51 Aleksande Zaemba *, Tadeusz Rodziewicz **, Bogdan Gaca ** i Maia Wacławek ** * Kateda Elektotechniki Politechnika Częstochowska al. Amii Kajowej 17, 42-200 Częstochowa e-mail: zaemba@el.pcz.czest.pl
Bardziej szczegółowoXXXVII OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXXVII OIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne ZADANIE D Nazwa zadania: Obacający się pęt swobodnie Długi cienki pęt obaca się swobodnie wokół ustalonej pionowej osi, postopadłej do niego yc.
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoDOLNOŚLĄSKA WOJEWÓDZKA KOMENDA OCHOTNICZYCH HUFCÓW PRACY
DOLNOŚLĄSKA WOJEWÓDZKA KOMENDA OCHOTNICZYCH HUFCÓW PRACY -3 Wocław, Wybzeże J. Słowackiego 9 tel. () 3--, 3-9-8 e-mail: dolnoslaska@ohp.pl fax () 3-9- N konta: NBP O/Wocław 9 9 88 3 N egon: 38 NIP: 89---9
Bardziej szczegółowo1 Zbiory i działania na zbiorach.
Matematyka notatki do wykładu 1 Zbiory i działania na zbiorach Pojęcie zbioru jest to pojęcie pierwotne (nie definiuje się tego pojęcia) Pojęciami pierwotnymi są: element zbioru i przynależność elementu
Bardziej szczegółowoGRAWITACJA. przyciągają się wzajemnie siłą proporcjonalną do iloczynu ich mas i odwrotnie proporcjonalną do kwadratu ich odległości r.
GRAWITACJA Pawo powszechnego ciążenia (pawo gawitacji) Dwa punkty mateialne o masach m 1 i m pzyciągają się wzajemnie siłą popocjonalną do iloczynu ich mas i odwotnie popocjonalną do kwadatu ich odległości.
Bardziej szczegółowoEKONOMETRIA prowadzący: Piotr Piwowarski
EKONOMETRIA prowadzący: Piotr Piwowarski Termin konsultacji: poniedziałek 13:15 14:45 wtorek 13:15 14:45 pokój 1101/1102 jedenaste piętro e-mail: piotr.piwowarski@poczta.umcs.lublin.pl strona internetowa:
Bardziej szczegółowoROZWIAZANIA ZAGADNIEŃ PRZEPŁYWU FILTRACYJNEGO METODAMI ANALITYCZNYMI.
Modelowanie pzepływu cieczy pzez ośodki poowate Wykład VII ROZWIAZANIA ZAGADNIEŃ PRZEPŁYWU FILTRACYJNEGO METODAMI ANALITYCZNYMI. 7. Pzepływ pzez goblę z uwzględnieniem zasilania wodami infiltacyjnymi.
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoGEOMETRIA PŁASZCZYZNY
GEOMETRIA PŁASZCZYZNY. Oblicz pole tapezu ównoamiennego, któego podstawy mają długość cm i 0 cm, a pzekątne są do siebie postopadłe.. Dany jest kwadat ABCD. Punkty E i F są śodkami boków BC i CD. Wiedząc,
Bardziej szczegółowoSIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania
SIMR 7/8, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania. Dana jest gęstość prawdopodobieństwa zmiennej losowej ciągłej X : { a( x) dla x [, ] f(x) = dla pozostałych x Znaleźć: i) Wartość parametru
Bardziej szczegółowoStatystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35
Statystyka Wykład 7 Magdalena Alama-Bućko 16 kwietnia 2017 Magdalena Alama-Bućko Statystyka 16 kwietnia 2017 1 / 35 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowo