Mirosława Gazińska. Magdalena Mojsiewicz

Wielkość: px
Rozpocząć pokaz od strony:

Download "Mirosława Gazińska. Magdalena Mojsiewicz"

Transkrypt

1 STUDIA DEMOGRAFICZNE 1(145) 2004 Mirosława Gazińska Katedra Ekoometrii i Statystyki Magdalea Mojsiewicz Katedra Ubezpieczeń i Ryków Kapitałowych Uiwersytet Szczeciński MODELOWANIE CZASU TRWANIA ŻYCIA BEZ NIEPEŁNOSPRAWNOŚCI Długość życia ludzkiego w dużej mierze zależy ie tylko od ryzyka zgou umieralości, ale rówież od stau zdrowia społeczeństwa zachorowalości, iepełosprawości i iwalidztwa. Fakt wydłużaia się przeciętego dalszego trwaia życia oraz wzrost zachorowalości a choroby przewlekłe powoduje, iż coraz większego zaczeia abierają problemy osób iepełosprawych. Nie bez powodu rok 2003 został ogłoszoy przez Radę Uii Europejskiej Europejskim - Rokiem Osób Niepełosprawych. W wielu krajach obserwuje się arastaie zjawiska iepełosprawości. W Polsce według Narodowego Spisu Powszechego z 1978 roku a 1000 mieszkańców 71 osób przyzawało się do iepełosprawości. W roku 1988 udział te wyosił 9,6%. Według daych reprezetacyjego badaia Sta zdrowia ludości Polski z 1996 roku, a 1000 mieszkańców przypadały już 143 osoby iepełosprawe. Narodowy Spis Powszechy z 2002 roku potwierdził, że a 1000 osób w Polsce przypadają 143 osoby iepełosprawe prawie i biologiczie. Częstość występowaia iepełosprawości zwiększa się z wiekiem. Ozacza to, iż czas życia bez iepełosprawości ulega skracaiu. Celem iiejszego artykułu jest prezetacja metod modelowaia czasu trwaia życia bez iepełosprawości. W badaiu postawioo hipotezę, iż prawdopodobieństwo przejścia w sta iepełosprawości (tak fizyczej, jak i psychiczej) zależy od czasu (wieku daej osoby) oraz od pewych cech p. osobowych, środowiska i iych. Badaia weryfikujące tę hipotezę prowadzoo z wykorzystaiem fukcji przeżycia oraz fukcji itesywości umieralości. W przypadku badaia iepełosprawości fukcja przeżycia to fukcja sprawości (pozostawaia bez iepeło- 1

2 sprawości), zaś fukcja itesywości umieralości to fukcja itesywości iepełosprawości (utraty sprawości) 1. Fukcja sprawości opisuje prawdopodobieństwo czasu (wieku) pozostawaia bez iepełosprawości, zaś fukcja itesywości iepełosprawości opisuje prawdopodobieństwo utraty sprawości dla krótkich przyrostów czasu. Wartości fukcji itesywości określają tempo, z jakim zmieiają się wartości fukcji sprawości. Z tego powodu fukcję tę moża spotkać także pod azwą stopy przejścia. Jeśli jedocześie modelowae są fukcja sprawości i fukcja przeżycia, to modelowaa zmiea losowa może ozaczać czas do zajścia jedego ze zdarzeń: utraty sprawości (rozumiaej jako utratę zdolości do pracy) lub śmierci. W takiej sytuacji aalizujemy stopę (tempo) zmiay statusu osoby jako sumę itesywości umieralości oraz itesywości iepełosprawości 2. MODELOWANIE TRWANIA ŻYCIA BEZ NIEPEŁNOSPRAWNOŚCI W POPULACJI NIEPEŁNOSPRAWNYCH MIESZKAŃCÓW SZCZECINA Modelowaie trwaia życia bez iepełosprawości przeprowadzoo a podstawie daych pochodzących z projektu badawczego 5 H02B , fiasowaego przez Komitet Badań Naukowych (por. Aaliza udziału..., 2003 oraz Hozer i i., 2003). Baza daych zawiera, między iymi, iformacje o 313 osobach iepełosprawych zamieszkałych w Szczeciie w latach Badaia sytuacji osób iepełosprawych a ryku pracy prowadzoe są w sposób ciągły w ramach programu BAEL, orgaizowaego przez Główy Urząd Statystyczy, w którym są akietowae osoby iepełosprawe zamieszkujące wylosowae gospodarstwo domowe. Operatem losowaia jest spis mieszkań, przy czym poprawym operatem powiie być spis osób iepełosprawych. Prace ad budową bazy województwa zachodiopomorskiego dla Państwowego Fuduszu Rehabilitacji Osób Niepełosprawych Oddział w Szczeciie zostały zakończoe w 2001 roku. Baza ta zawierała iformacje o orzeczeiach wydaych przez Powiatowe Zespoły ds. Orzekaia o Stopiu Niepełosprawości. Jedak ze względu a ustawę o ochroie daych osobowych ie jest możliwy bezpośredi kotakt z osobą iepełosprawą. Poadto, baza zawiera iformacje o osobach, które są iepełosprawe ex lege. Celowość rozszerzeia defiicji iepełosprawości w badaiach sytuacji osób iepełosprawych a ryku pracy o osoby ujawioe przez statystykę publiczą jako iwalidzi wyłączie biologiczi potwierdza wzrastający w społeczeństwie odsetek osób, które czują się iepełosprawe z tym, że ie posiadają stosowego orzeczeia. Prace badawcze, w ramach wspomiaego projektu KBN, przeprowadzoo dwutorowo. Jedym źródłem iformacji o osobach iepełosprawych była baza zawierająca orzeczeia wydae przez Powiatowe Zespoły ds. Orzekaia o Stopiu Niepełosprawości. Wobec braku możliwości sporządzeia rejestru osób, które 1 Szerzej a temat fukcji przeżycia oraz itesywości umieralości por. p. Frątczak i i., 1996; Ostasiewicz, 2000; Gazińska, Mojsiewicz, Więcej a temat modeli szkodliwości wielorakiej (multiple decremet model) por. p. Skałba,

3 czują się iepełosprawe, wykorzystao pośredią metodę losowaia. Metoda polegała a przeprowadzeiu badaia akietowego skierowaego do osób zgłaszających się do Powiatowego Zespołu ds. Orzekaia o Stopiu Niepełosprawości i wyrażających chęć uzaia iepełosprawości przez odpowiedi orga. Wobec braku operatu losowaia a poziomie ajiższym, zdecydowao się a dobór próby poprzez losowaie terytoriale. W wybraych Powiatowych Zespołach ds. Orzekaia o Stopiu Niepełosprawości zamierzao przeprowadzić badaie wśród osób przychodzących do Zespołu w godziach urzędowaia w wylosowaych diach roboczych w Szczeciie i Białogardzie 3. Końcowe wyiki badań dały podstawę do stwierdzeia reprezetatywości wylosowaej próby osób iepełosprawych względem zbiorowości zarejestrowaej w bazie osób iepełosprawych województwa zachodiopomorskiego tylko dla respodetów ze Szczecia 4. Badaa próba obejmowała 313 osób iepełosprawych, z czego 29% staowiły kobiety. Rozkład wieku badaych osób zaprezetowao a rys. 1. Lokale kocetracje liczebości iepełosprawych respodetów w pięcioletich grupach wieku pokrywają się z wyżami demograficzymi obserwowaymi w całej populacji województwa i Polski (por. Gazińska, 2003, s , 44-45, załącziki B i C) Liczba respodetów Number of respodets Wiek w latach Age i years Rys. 1. Rozkład wieku osób iepełosprawych w próbie Disabled sampled persos by age Źródło: opracowaie włase Kwalifikacje zawodowe osób iepełosprawych były diagozowae, między iymi, przez wykształceie: 8% respodetów ma wykształceie wyższe, 41% średie, a 23% podstawowe. Jako przyczya iepełosprawości ajczęściej była wymieiaa choroba 52%. Wada wrodzoa występowała jako główa przyczya 3 Ośrodek w Białogardzie, do którego przybywa wiele osób z tereów wiejskich, ie był w staie przeprowadzić akiety z powodu kłopotów fiasowych ośrodka. Szerzej o orgaizacji badaia por. Hozer i i., W wymieioej pozycji zamieszczoo rówież formularz akiety wzorowaej a akiecie GUS. 4 Reprezetatywość weryfikowao a podstawie struktury według płci i wieku respodetów. 3

4 iepełosprawości w 14% przypadków, atomiast pozostałe przyczyy wiązały się z wypadkami losowymi (wypadek, uraz, zatrucie). Wśród wszystkich akietowaych 72% respodetów, mających orzeczeie o stopiu iepełosprawości, było klasyfikowaych jako osoby z iepełosprawością trwałą, a 26% z iepełosprawością czasową. Uwzględiając wiek ekoomiczy osób iepełosprawych, spośród osób w wieku przedprodukcyjym 37% respodetów posiadało orzeczeie o trwałej iepełosprawości, w wieku produkcyjym było to już 62%, a w wieku poprodukcyjym wszyscy. Ze względu a rodzaj wymagaej opieki 45% respodetów wymaga opieki stałej, 24% okresowej, zaś 31% iepełosprawych radzi sobie sama. Rodzaj wymagaej opieki ma związek z możliwością podjęcia przez osobę iepełosprawą pracy zawodowej. Biorąc za podstawę dokoaą samooceę przeszkód w podjęciu pracy zawodowej to stwierdzoo: 60% respodetów uważa, że ie ma możliwości podjęcia pracy, zaś 23% ma duże ograiczeia w podjęciu pracy, 14% deklaruje miimale ograiczeia, a 3% wskazuje a brak takich przeszkód. Ze względu a rodzaj materiału statystyczego skostruowao wycikowe bieżące tablice trwaia życia bez iepełosprawości 5. W pierwszej kolejości wyzaczoo liczbę lat, które upłyęły pomiędzy datą urodzeia a datą przejścia respodeta w sta iepełosprawości. Przystępując do aalizy, ajpierw oszacowao ieparametryczy model sprawości. Skostruowao tablice trwaia życia bez iepełosprawości dla populacji iepełosprawych. Za jedostkę czasu przyjęto okres 5 lat. Dla tak ustaloych przedziałów pozostawaia bez iepełosprawości wyzaczoo: x l liczbę osób, które utraciły sprawość (iepełosprawe) l gdzie: r długość przedziału czasu pozostawaia bez iepełosprawości, l x liczba osób zagrożoych iepełosprawością, p x prawdopodobieństwo pozostawaia bez iepełosprawości, x = l + l, p x skumulowae prawdopodobieństwo pozostawaia bez iepełosprawości, idetyfikowae z ieparametryczą oceą fukcji sprawości, f(x) gęstość prawdopodobieństwa utraty sprawości w daym przedziale przypadająca a jedostkę czasu, obliczae według wzoru: f ( x) p x p x+ r =, (1) r gdzie: f(x) gęstość prawdopodobieństwa w przedziale, p x oszacowae skumulowae prawdopodobieństwa pozostawaia bez iepełosprawości do początku x r x 5 W przypadku kostrukcji tablic trwaia życia bez iepełosprawości, jako typowego przykładu ieparametryczego modelu przeżycia bez iepełosprawości, w którym ie przyjmuje się założeia co do aalityczej postaci rozkładu czasu oczekiwaia a zdarzeia, w tym przypadku czasu utraty sprawości, utrata sprawości aalizowaa może być w ujęciu zarówo przekrojowym (tablice bieżące), jak i wzdłużym (tablice kohortowe). Skostruowae tablice moża azwać bezwarukowymi, ze względu a to, iż modelujemy stopę przejścia w sta iepełosprawości w zbiorowości osób, dla których prawdopodobieństwo zgou bez iepełosprawości wyosi 0. 4

5 przedziału, p x + r oszacowae skumulowae prawdopodobieństwa pozostawaia bez iepełosprawości do końca przedziału, h(x) stopę itesywości iepełosprawości (utraty sprawości, przejścia w sta iepełosprawości) zdefiiowaą jako prawdopodobieństwo tego, że respodet, który przeżył do początku daego przedziału bez iepełosprawości, utraci sprawość w tym przedziale, oszacowaą według formuły: ( x) F( x) ( x) ( x) f f h ( x) = =. (2) 1 S Wyiki obliczeń dla całej próby zaprezetowao w tablicy 1 i a rysuku 2. Tablica 1. Tablica trwaia życia bez iepełosprawości (dla osób iepełosprawych) Disability-free life table (for disabled persos) Wiek Age Liczba osób, które utraciły sprawość l x Number of persos ewly disabled l x Liczba osób zagrożoych utratą sprawości l x Number of idividual risk disability l x Prawdopodobieństwo pozostawaia bez iepełosprawości p x Probability of survivig without disability p x Skumulowae prawdopodobieństwo pozostawaia bez iepełosprawości p x Cumulative probability of survivig without disability px Gęstość prawdopodobieństwa f(x) Probability desity fuctio f(x) Itesywości iepełosprawości h(x) Itesity of disability h(x) , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Źródło: obliczeia włase.. 5

6 Itesywość iepełosprawośc Itesity of disability Wiek przejścia w latach Age of trasitio i years Rys. 2. Itesywość iepełosprawości z tablic trwaia życia bez iepełosprawości Itesity of disability from disability-free life table Źródło: opracowaie włase Uzyskae wyiki z modelu ieparametryczego staowiły podstawę do oszacowaia parametrów fukcji itesywości iepełosprawości z modeli 6 : Gompertza h( x) Weibulla h( x) exp = 0, λγ = 0, ( λ + γx), ( x) γ 1, x > 0 x 0 x > 0 x 0 (3) (4) wykładiczego h( x) liiowo-wykładiczego h( x) λ, = 0, λ + γx, = 0, x > 0 x 0 x > 0 x 0 (5) (6) Estymacji dokoao ważoą metodą ajmiejszych kwadratów, uwzględiając iestacjoarość składika losowego modelu itesywości iepełosprawości. Wagi w 1 (x) = 1 ozaczają przyjęcie procedury klasyczej metody ajmiejszych kwadratów, wagi w 2 (x) = 1/var x, gdzie var x jest wariacją estymatora itesywości 6 Z parametryczym modelem przeżycia bez iepełosprawości mamy do czyieia wówczas, gdy zaa jest postać gęstości rozkładu zmieej losowej, ozaczającej czas do wystąpieia utraty sprawości. Ozacza to rówocześie zajomość pozostałych fukcji charakteryzujących wzorzec przeżycia bez iepełosprawości (fukcję przeżycia i fukcję itesywości umieralości). Badając itesywość iepełosprawości, moża skorzystać z ogólie zaych modeli umieralości. 6

7 iepełosprawości oraz wagi w 3 (x) = r l x, pozwalają a trasformację czasu trwaia życia bez iepełosprawości zgodie z procedurą uogólioej metody ajmiejszych kwadratów. Wyiki estymacji parametrów wszystkich aalizowaych modeli dla całej próby zamieszczoo w tablicy 2. Wartości statystyk χ 2 i odpowiadające im prawdopodobieństwa popełieia błędu I rodzaju staowią podstawę do odrzuceia hipotezy o zgodości itesywości iepełosprawości (tablic trwaia życia bez iepełosprawości, por. tab. 2) z opisaymi modelami: Gompertza, Weibulla, wykładiczym oraz liiowo-wykładiczym. Ozacza to, iż stopień dopasowaia oszacowaych modeli jest iezadowalający. Tablica 2. Oszacowaia parametrów modeli: Gompertza, Weilbulla, wykładiczego, liiowowykładiczego Estimated parameters of Gompertz, Weibull, expoetial, liear-expoetial models Waga w(x) Weight w(x) λ Błąd stadardowy λ Stadard error λ γ Błąd stadardowy γ Stadard error γ χ 2 Stopie swobody Degrees of freedom Model Gompertza Gompertz model 1-4,98 0,161 0,04 0,005 92, , ,72 0,109 0,04 0, , , ,68 0,130 0,03 0, , ,0000 Model Weibulla Weibull s model 1 0,00 0,000 1,75 0, , , ,00 0,001 1,62 0, , , ,01 0,002 1,29 0, , ,0000 Model liiowo-wykładiczy Liear-expoetial model 2 0,004 0,002 0,001 0, , ,0000 Model wykładiczy Expoetial model 1 0,06 0, , , ,02 0, , , ,03 0, , ,0000 Źródło: obliczeia włase Na rysukach 3-6 zaprezetowao wyiki oszacowaych fukcji sprawości dla modeli Gompertza, Weibulla, liiowo-wykładiczego oraz wykładiczego. p 7

8 Skumulowae prawdopodobieństwo pozostawaia bez iepełosprawości Cumulative probability of survivig without disability obserwowaa observed z wagą 1 with weight 1 z wagą 2 with weight 2 z wagą 3 with weight Wiek przejścia w latach Age of trasitio i years Rys. 3. Wyiki estymacji fukcji sprawości z modelu Gompertza Results of estimatio of o-disability Gompertz model Źródło: opracowaie włase Skumulowae prawdopodobieństwo pozostawaia bez iepełosprawości Cumulative probability of survivig without disability Wiek przejścia w latach Age of trasitio i years Rys. 4. Wyiki estymacji fukcji sprawości z modelu Weibulla Results of estimatio of o-disability Weibull model Źródło: opracowaie włase obserwowaa observed z wagą 1 with weight 1 z wagą 2 with weight 2 z wagą 3 with weight 3 8

9 Skumulowae prawdopodobieństwo pozostawaia bez iepełosprawości Cumulative probability of survivig without disability obserwowaa observed z wagą 2 with weight Wiek przejścia w latach Age of trasitio i years Rys. 5. Wyiki estymacji fukcji sprawości z modelu liiowo-wykładiczego Results of estimatio of o-disability liear-expoetial model Źródło: opracowaie włase Skumulowae prawdopodobieństwo pozostawaia bez iepełosprawości Cumulative probability of survivig without disability Wiek przejścia w latach Age of trasitio i years Rys. 6. Wyiki estymacji fukcji sprawości z modelu wykładiczego Results of estimatio of o-disability expoetial model Źródło: opracowaie włase obserwowaa observed z wagą 1 with weight 1 z wagą 2 with weight 2 z wagą 3 with weight 3 Zgodie z postawioą hipotezą, itesywość iepełosprawości respodetów badao w grupach wieku. Sformułowao także dodatkowe hipotezy, mówiące o zależości itesywości iepełosprawości od: płci, wykształceia, rodzaju orzeczeia o iepełosprawości, przyczy iepełosprawości, wymagaej opieki oraz samoocey ograiczeń w podjęciu pracy zarobkowej. Zmiee jakościowe zostały 9

10 skwatyfikowae 7. W celu weryfikacji hipotez posłużoo się semiparametryczym modelem proporcjoalej itesywości Coxa 8. W pierwszej kolejości oszacowao parametry modeli Coxa dla itesywości przejścia w sta iepełosprawości, uwzględiające tylko jedą zmieą. Istote a poziomie α = 0,05 okazały się zmiee: wiek, ograiczeia w podjęciu pracy i wymagaa opieka. Zmiea płeć okazała się ieistota, stąd ie uwzględioo jej w modelowaiu, jedakże aalizie poddao graficzy przebieg itesywości iepełosprawości według płci i wieku (por. rysuek 7). Itesywość iepełosprawośc Itesity of distability I okres I period kobiety females mężczyźi males II okres II period III okres III period IV okres IV period Wiek przejścia w latach Age of trasitio i years Rys. 7. Itesywość iepełosprawości według płci z tablic trwaia życia bez iepełosprawości Itesity of disability by sex from disability-free life table Źródło: opracowaie włase Aaliza przebiegu fukcji itesywości iepełosprawości dla obu płci oddzielie pozwala a wyodrębieie czterech różych okresów kształtowaia się tego zjawiska. Okres I, przypadający a okres dzieciństwa, charakteryzuje się wyższą itesywością iepełosprawości wśród kobiet (przejście do stau iepełosprawości do około roku życia). W okresie II zjawisko stabilizuje się z podobym przebiegiem dla obu płci (do ok. 40 roku życia). Okres III (przejście do 7 W przypadku cech mierzoych a skali porządkowej (wymagaa opieka, samoocea ograiczeń w podjęciu pracy zarobkowej, wykształceie, rodzaj orzeczeia o stopiu iepełosprawości) kwatyfikacja była zgoda z rosącą hierarchią wariatów cechy, atomiast w przypadku skali omialej (płeć i przyczya iepełosprawości) wariaty cechy kodowae były zgodie z podaą kolejością wariatów. 8 Model proporcjoalego hazardu (itesywości) Coxa jest modelem regresji, zakładającym, że iezaa stopa itesywości jest fukcją zmieych iezależych. W przypadku ogólym moża h t X = h t exp βx, gdzie h 0 (x) jest iewyspecyfikowaą parame- model Coxa zapisać w postaci: (, ) 0( ) ( ) tryczie fukcją czasu, exp( βx ) jest wyspecyfikowaą fukcją wykładiczą, X jest wektorem zmieych objaśiających, β wektorem iezaych parametrów. W modelu proporcjoalej itesywości przyjmuje się, że wszystkie jedostki z ustaloymi wartościami zmieych objaśiających mają idetyczą fukcję itesywości oraz stosuek fukcji itesywości dla każdych dwu jedostek o różych wartościach zmieych objaśiających ie zależy od czasu (tzw. założeie proporcjoalości), (por. Cox, 1972, s ). 10

11 stau iepełosprawości po 40 roku życia) cechuje się wzrostem wartości fukcji itesywości, przy czym dla kobiet wartości fukcji w tym przedziale początkowo rosą szybciej (maksymale wartości w 45 roku życia), a astępie (po 50 roku życia) rosą z wartościami iższymi iż dla mężczyz. Okres IV - występuje spadek itesywości iepełosprawości wśród mężczyz (dla kobiet ie możemy tak wioskować ze względu a brak reprezetatywości próby w tej grupie wieku). Dodatkowo moża przypuścić, że w tym okresie tempo utraty sprawości (itesywość iepełosprawości) jest wielokrotie iższe iż itesywość umieralości. Wyiki oce parametrów modelu Coxa dla itesywości przejścia w sta iepełosprawości w modelu uwzględiającym wszystkie istote zmiee (z modeli z jedą zmieą) przedstawia tablica 3. Tablica 3. Wyiki estymacji modelu Coxa dla itesywości iepełosprawości uzależioej od wieku, wymagaej opieki i przeszkód w podjęciu pracy Estimated parameters of Cox model for itesity of disability by age, required care ad barriers i employmet Zmiea Variable Wiek Age Wymagaa opieka required care Przeszkody w podjęciu pracy barriers i employmet Źródło: obliczeia włase βˆ Błąd stadardowy βˆ Stadard error βˆ exp ( βˆ ) Statystyka Walda Wald statistic -0,112 0,007 0, ,988 0, ,059 0,076 0,943 0,597 0, ,136 0,086 1,146 2,526 0,11202 Ze względu a to, że zmiee ograiczeia w podjęciu pracy i wymagaa opieka są współliiowe, do dalszych obliczeń wybrao zmieą samoocea ograiczeia w podjęciu pracy. Wyika to z faktu, iż zmiea ta jest miarodaja w przypadku iepełosprawości biologiczej. Na rysuku 8 zaprezetowao kształtowaie się itesywości iepełosprawości z uwzględieiem wieku i ograiczeń w podjęciu pracy. Aaliza przebiegu fukcji itesywości iepełosprawości z uwzględieiem ograiczeń w podjęciu pracy we wcześiej wyspecyfikowaych czterech okresach życia (zgodych z okresami wyróżioymi dla itesywości iepełosprawości według płci, por. rys. 7), asuęła astępujące wioski. Otóż, ajwiększe zróżicowaie itesywości iepełosprawości odotowao pod koiec okresu II i w III okresie życia, co ozacza, że osoby w wieku lat charakteryzują się ajwyższym poziomem itesywości utraty sprawości we wszystkich wariatach ograiczeń w podjęciu pracy, z wyjątkiem iepełosprawości ieuciążliwej w skutkach. p 11

12 Itesywość iepełosprawośc Itesity of disability I okres I period brak ograiczeń o barriers miimale miimal duże large wykluczające excludig II okres II period III okres III period IV okres IV period Wiek przejścia w latach Age of trasitio i years Rys. 8. Itesywość iepełosprawości według ograiczeń w podjęciu pracy z tablic trwaia życia bez iepełosprawości Itesity of disability by barriers i employmet from disability-free life table Źródło: opracowaie włase Wśród aalizowaych zmieych regresyjych jedyie zmiea wiek okazała się statystyczie istota we wszystkich szacowaych modelach. W modelu proporcjoalości Coxa zapropoowao wprowadzeie tej zmieej z astępującymi wariatami wieku ekoomiczego 9 : 0-17 lat oraz (64) lat. Dodatkowo, wśród osób w wieku produkcyjym (osoby te staowiły 70,5% badaej populacji) wydzieloo pięć grup wieku: 18-24, 25-34, 35-44, oraz (64) lat. Wyiki oszacowań zamieszczoo w tablicy Tablica 4. Wyiki estymacji modelu Coxa dla itesywości iepełosprawości uzależioej od wieku ekoomiczego Estimated parameters of Cox model for itesity of disability i ecoomic age groups Zmiea Błąd stadardowy βˆ Statystyka Walda βˆ exp( βˆ ) p Variable Stadard error βˆ Wald statistic Wiek ekoomiczy -0,986 0,061 0, ,462 0,00000 Ecoomic age Źródło: obliczeia włase 9 Bez uwzględieia osób w wieku poprodukcyjym. W okresie tym itesywość utraty sprawości oraz itesywość umieralości podlegają odmieym prawidłowościom iż w młodszych grupach wieku. 10 Zmiee iezależe, przy których parametry strukturale modelu okażą się istote statystyczie, uzaje się za zmiee mające istoty wpływ a ryzyko przejścia (w sta iepełosprawości). Istotość parametru strukturalego modelu bada statystyka Walda W =, gdzie βˆ jest estymato- ˆ β Var( ˆ β ) rem parametru uzyskaego metodą ajwiększej wiarygodości. Przy założeiu prawdziwości hipotezy o ieistotości parametru strukturalego statystyka Walda ma rozkład ormaly stadaryzoway. 12

13 Model proporcjoalości itesywości iepełosprawości moża zapisać: ( t, wiek) = h0 ( t) exp( 0,986 wiek) h, (7) W modelu wiek jest zmieą istotą, jedakże jej wpływ a itesywość przejścia w sta iepełosprawości jest iewielki (exp( βˆ ) = 0,373). Ozacza to, że ryzyko przejścia w sta iepełosprawości zmiejsza się średio 0,373 razy przy przejściu osoby do starszej grupy wieku ekoomiczego. Biorąc pod uwagę dotychczas uzyskae rezultaty oraz wyiki aalizy, struktur demograficzych, sformułowao hipotezę, że tempo przejścia w sta iepełosprawości jest zróżicowae w zależości od grup wieku. Tablica 5. Ocey parametrów fukcji Gompertza w grupach wieku Estimated parameters of Gompertz model i age groups Błąd Waga w(x) Błąd stadardowy λ Weight λ γ stadardowy γ χ Stadard error 2 w(x) Stadard error γ λ Stopie swobody Degrees of freedom 5 17 lat (N = 14) 5 17 years 1-1,92 0,67 0,09 0,09 22,10 9 0, ,49 0,30-0,03 0,05 21,63 9 0, ,12 0,43-0,02 0,07 16,32 9 0, lat (N = 31) years 1-2,83 0,36 0,04 0,03 3,34 2 0, ,57 0,32 0,03 0,03 3,08 2 0, ,63 0,33 0,02 0,03 3,14 2 0, lat (N = 27) years 1-3,17 0,37 0,04 0,02 6,53 4 0, ,74 0,31 0,02 0,02 6,00 4 0, ,83 0,33 0,01 0,02 5,91 4 0, lat (N = 29) years 1-5,42 0,62 0,08 0,02 6,64 6 0, ,14 0,55 0,07 0,02 6,78 6 0, ,29 0,61 0,07 0,02 7,68 6 0, lat (N = 76) years 1-6,30 0,61 0,07 0,02 67,99 8 0, ,68 0,34 0,08 0,01 71,09 8 0, ,09 0,61 0,06 0,02 79,85 8 0,0000 powyżej 55 lat (N = 38) 55 years ad more 1-6,36 0,62 0,07 0,01 7, , ,58 0,52 0,08 0,01 5, , ,22 0,65 0,07 0,02 10, ,4266 Źródło: obliczeia włase p 13

14 W wyróżioych sześciu grupach wieku, podobie jak dla całej próby, aalizowao fukcję sprawości, gęstość prawdopodobieństwa oraz fukcję itesywości iepełosprawości. Dla każdej z grup zbudowao tablice trwaia życia bez iepełosprawości (podobie jak w tablicy 2) oraz ważoą metodą ajmiejszych kwadratów oszacowao parametry w modelach: Gompertza, Weibulla, wykładiczym i liiowo-wykładiczym, przyjmując wcześiej zdefiiowae wagi. Ze względu a to, że wyiki estymacji parametrów wszystkich fukcji były zbliżoe, prezetujemy ocey parametrów fukcji Gompertza w grupach wieku ze względu a ich walory iformacyje (tablica 5). Należy zwrócić uwagę a uzyskaą ujemą wartość oce parametru γ dla osób iepełosprawych w wieku przedprodukcyjym. Pojawieie się ujemych wartości świadczy o malejącej wraz z wiekiem itesywości iepełosprawości. Geeralie a podstawie uzyskaych rezultatów stwierdzoo, iż a poziomie istotości α = 0,05 ie ma podstaw do odrzuceia hipotezy, głoszącej zgodość obserwowaej itesywości utraty sprawości z modelem Gompertza (por. wartości statystyk χ 2 i odpowiadające im prawdopodobieństwa p w tablicy 5) dla osób w wieku produkcyjym, z wyjątkiem grupy wieku lat. Dla osób w wieku produkcyjym wraz z upływem czasu itesywość iepełosprawości rośie, co więcej im starsza grupa wieku, tym szybsze tempo przejścia w sta iepełosprawości. W przypadku badaia itesywości iepełosprawości potwierdza się hipoteza dotycząca kształtu way badaej fukcji. Dodatkowo wartość bezwzględa parametru skali λ rośie wraz z wiekiem, co wpływa a szybsze przyrosty wartości fukcji. PODSUMOWANIE Na podstawie przeprowadzoych badań zweryfikowao hipotezę, iż prawdopodobieństwo utraty sprawości zależy od wieku, płci, wykształceia, rodzaju orzeczeia o iepełosprawości, przyczy iepełosprawości, wymagaej opieki oraz samoocey ograiczeń w podjęciu pracy zarobkowej. Stwierdzoo, że jedyie wiek ma istoty wpływ a itesywość iepełosprawości. Wzrost itesywości przejścia w sta iepełosprawości dla osób w wieku produkcyjym ma miejsce a około 10 lat przez osiągięciem wieku emerytalego, co uwidaczia aaliza fukcji itesywości iepełosprawości według płci 11. Przechodzeie w sta iepełosprawości ex lege iesie wymiere korzyści dla iepełosprawego. Moża przyjąć, że obecie użyteczość uzyskaej rety jest wyższa iż ewetuale świadczeia przedemerytale w przyszłości. Modele zastosowae do estymacji fukcji itesywości iepełosprawości (tablice trwaia życia w iepełosprawości, modele: Gompertza, Weibulla, wykładiczy i liiowo-wykładiczy oraz Coxa) dały zadowalające rezultaty dla osób w wieku produkcyjym, z wyjątkiem grupy wieku lat, w której odotowao ajwiększe zróżicowaie itesywości utraty sprawości z uwzględieiem takich zmieych, jak: ograiczeie w podjęciu pracy oraz wymagaa opieka. Należy 11 Wiosek te potwierdzają także statystyki iemieckie, por. Bericht: Pflegestatistik 2001 (2003). 14

15 podkreślić, że w grupie wieku lat itesywość iepełosprawości przebiega odmieie dla mężczyz i kobiet, co wyika bezpośredio z poprzediego wiosku. Zatem ależy prowadzić aalizę fukcji sprawości z podziałem a płeć. LITERATURA Aaliza udziału osób iepełosprawych w ryku pracy a przykładzie województwa zachodiopomorskiego, 2003, J. Hozer (red.), Wydawictwo Uiwersytetu Szczecińskiego, Szczeci. Bericht: Pflegestatistik Pflege im Rahme der Pflegeversicherug. Deutschladergebisse. Statistisches Budesamt, 2003, Zweigestelle Bo. Cox D.R., 1972, Regressio Models ad Life Tables (with discussio), Joural of the Royal Statistical Society, B.34, s Frątczak E., Jóźwiak J., Paszek B., 1996, Zastosowaia aalizy historii zdarzeń w demografii, Szkoła Główa Hadlowa, Warszawa. Gazińska M., 2003, Potecjał demograficzy w regioie. Aaliza ilościowa. Wydawictwo Naukowe Uiwersytetu Szczecińskiego, Rozprawy i Studia r 448, Szczeci. Gazińska M., Mojsiewicz M., 2001, Model Gompertza jako arzędzie aalizy śmiertelości z powodu raka krtai i gardła dolego, Studia Demograficze r 1, s Hozer J., Mojsiewicz M., Gazińska M., Batóg J., 2003, Niepełosprawi a ryku pracy. Studium dla miasta Szczecia, Katedra Ekoometrii i Statystyki US i IADPG, Szczeci. Ostasiewicz S., 2000, Metody ocey i porządkowaia ryzyka w ubezpieczeiach życiowych, Wydawictwo Akademii Ekoomiczej im. Oskara Lagego we Wrocławiu, Wrocław. Podrażka-Malka A., 2000, Badaia i pomiar stau zdrowia współczesych populacji, Studia Demograficze r 1, s Skałba M., 1999, Ubezpieczeia a życie, WNT, Warszawa. Wieiecki I. G., 1976, Metody matematycze w demografii, PWN, Warszawa MODELING THE DISABILITY-FREE LIFE EXPECTANCY The life expectacy depeds greatly o health morbidity, disability ad ivalidity. A rise of life expectacy ad icreased morbidity make problems of the disabled people eve more importat; i may coutries disability becomes without disability. The sample survey of disable persos was used to estimate the disability-free life table ad to verify Gompertz, Weibull, expoetial ad liear-expoetial disability hazard for the total surveyed populatio. The hypothesis that a probability of becomig disabled depeds o age, sex, educatio, type of disability certificate, causes of disability, ecessary support ad subjective restraits from takig up a job was verified by the use of oly age ifluece sigificatly the disability hazard. For people i the workig age results of the disability-free life tables as well as Gompertz, Weibull, expoetial ad liearexpoetial disability hazard fuctios, estimated separately for the cosidered age groups, provided acceptable results except for the age About 10 years before reachig the retiremet age the disability hazard rate icreased markedly ad accordig to the estimated Cox model depeds strogly o restraits i takig up job ad eeded care as well as o sex. Therefore disability hazard fuctios should be specified by sex. Key words: Disability-free life table, the disability hazard fuctio, Gompertz, Weibull, expoetial ad liear-expoetial models, the Cox model. 15

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu. Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

0.1 ROZKŁADY WYBRANYCH STATYSTYK

0.1 ROZKŁADY WYBRANYCH STATYSTYK 0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r. Matematyka fiasowa 08.10.2007 r. Komisja Egzamiacyja dla Aktuariuszy XLIII Egzami dla Aktuariuszy z 8 paździerika 2007 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:...

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1). TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017 STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia

Bardziej szczegółowo

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej

Bardziej szczegółowo

ZADANIA NA ĆWICZENIA 3 I 4

ZADANIA NA ĆWICZENIA 3 I 4 Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.

Bardziej szczegółowo

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3 L.Kowalski zadaia ze statystyki matematyczej-zestaw 3 ZADANIA - ZESTAW 3 Zadaie 3. Cecha X populacji ma rozkład N m,. Z populacji tej pobrao próbę 7 elemetową i otrzymao wyiki x7 = 9, 3, s7 =, 5 a Na poziomie

Bardziej szczegółowo

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ LABORATORIUM OCHRONY ŚRODOWISKA - SYSTEM ZARZĄDZANIA JAKOŚCIĄ - INSTRUKCJA NR 06- POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ 1. Cel istrukcji Celem istrukcji jest określeie metodyki postępowaia w celu

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA

Bardziej szczegółowo

16 Przedziały ufności

16 Przedziały ufności 16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

Zeszyty naukowe nr 9

Zeszyty naukowe nr 9 Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę

Bardziej szczegółowo

Struktura czasowa stóp procentowych (term structure of interest rates)

Struktura czasowa stóp procentowych (term structure of interest rates) Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fiasowy gospodarki Zajęcia r 5 Matematyka fiasowa Wartość pieiądza w czasie 1 złoty posiaday dzisiaj jest wart więcej iż 1 złoty posiaday w przyszłości, p. za rok. Powody: Suma posiadaa dzisiaj

Bardziej szczegółowo

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I) Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

Bardziej szczegółowo

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy. MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,

Bardziej szczegółowo

ANALIZA ZJAWISKA STARZENIA SIĘ LUDNOŚCI ŚLĄSKA W UJĘCIU PRZESTRZENNYM

ANALIZA ZJAWISKA STARZENIA SIĘ LUDNOŚCI ŚLĄSKA W UJĘCIU PRZESTRZENNYM Katarzya Zeug-Żebro Uiwersytet Ekoomiczy w Katowicach Katedra Matematyki katarzya.zeug-zebro@ue.katowice.pl ANALIZA ZJAWISKA STARZENIA SIĘ LUDNOŚCI ŚLĄSKA W UJĘCIU PRZESTRZENNYM Wprowadzeie Zjawisko starzeia

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 1 i 2

STATYSTYKA OPISOWA WYKŁAD 1 i 2 STATYSTYKA OPISOWA WYKŁAD i 2 Literatura: Marek Cieciura, Jausz Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 2005 2 Statystyka to dyscyplia aukowa, której zadaiem jest

Bardziej szczegółowo

Analiza potencjału energetycznego depozytów mułów węglowych

Analiza potencjału energetycznego depozytów mułów węglowych zaiteresowaia wykorzystaiem tej metody w odiesieiu do iych droboziaristych materiałów odpadowych ze wzbogacaia węgla kamieego ależy poszukiwać owych, skutecziej działających odczyików. Zdecydowaie miej

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę

Bardziej szczegółowo

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY Weryfikacja hipotez statystyczych WNIOSKOWANIE STATYSTYCZNE Wioskowaie statystycze, to proces uogóliaia wyików uzyskaych a podstawie próby a całą

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

Bardziej szczegółowo

ANALIZA DANYCH DYSKRETNYCH

ANALIZA DANYCH DYSKRETNYCH ZJAZD ESTYMACJA Jest to metoda wioskowaia statystyczego. Umożliwia oa oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej estymatorem,

Bardziej szczegółowo

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja Iwestycja Wykład Celowo wydatkowae środki firmy skierowae a powiększeie jej dochodów w przyszłości. Iwestycje w wyiku użycia środków fiasowych tworzą lub powiększają majątek rzeczowy, majątek fiasowy i

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY LOSOWOŚCI. Badanie losowości próby - test serii. TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym) Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych (w zakresie materiału przedstawioego a wykładzie orgaizacyjym) Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli

Bardziej szczegółowo

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia Pla wykładu Aaliza daych Wykład : Statystyka opisowa. Małgorzata Krętowska Wydział Iformatyki Politechika Białostocka. Statystyka opisowa.. Estymacja puktowa. Własości estymatorów.. Rozkłady statystyk

Bardziej szczegółowo

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie

Przemysław Jaśko Wydział Ekonomii i Stosunków Międzynarodowych, Uniwersytet Ekonomiczny w Krakowie MODELE SCORINGU KREDYTOWEGO Z WYKORZYSTANIEM NARZĘDZI DATA MINING ANALIZA PORÓWNAWCZA Przemysław Jaśko Wydział Ekoomii i Stosuków Międzyarodowych, Uiwersytet Ekoomiczy w Krakowie 1 WROWADZENIE Modele aplikacyjego

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

14. RACHUNEK BŁĘDÓW *

14. RACHUNEK BŁĘDÓW * 4. RACHUNEK BŁĘDÓW * Błędy, które pojawiają się w czasie doświadczeia mogą mieć włase źródła. Są imi błędy związae z błędą kalibracją torów pomiarowych, szumy, czas reagowaia przyrządu, ograiczeia kostrukcyje,

Bardziej szczegółowo

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

PODSTAWY BIOSTATYSTYKI ĆWICZENIA PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało

Bardziej szczegółowo

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna 3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

Bardziej szczegółowo

Wykład 11 ( ). Przedziały ufności dla średniej

Wykład 11 ( ). Przedziały ufności dla średniej Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;

Bardziej szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są

Bardziej szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

Bardziej szczegółowo

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości

Bardziej szczegółowo

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r. Komisja Egzamiacyja dla Aktuariuszy XLVII Egzami dla Aktuariuszy z 6 paździerika 2008 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Kredytobiorca

Bardziej szczegółowo

Wartość przyszła FV. Zmienna wartość pieniądza w czasie. złotówka w garści jest warta więcej niŝ złotówka spodziewana w przyszłości

Wartość przyszła FV. Zmienna wartość pieniądza w czasie. złotówka w garści jest warta więcej niŝ złotówka spodziewana w przyszłości Zmiea wartość pieiądza w czasie Zmiea wartość pieiądza w czasie Zmiea wartość pieiądza w czasie jeda z podstawowych prawidłowości wykorzystywaych w fiasach polegająca a tym, Ŝe: złotówka w garści jest

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.

Bardziej szczegółowo

BADANIA DOCHODU I RYZYKA INWESTYCJI

BADANIA DOCHODU I RYZYKA INWESTYCJI StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;

Bardziej szczegółowo

Analiza popytu na alkohol w Polsce z zastosowaniem modelu korekty błędem AIDS

Analiza popytu na alkohol w Polsce z zastosowaniem modelu korekty błędem AIDS Ekoomia Meedżerska 2011, r 10, s. 161 172 Jacek Wolak *, Grzegorz Pociejewski ** Aaliza popytu a alkohol w Polsce z zastosowaiem modelu korekty błędem AIDS 1. Wprowadzeie Okres trasformacji, zapoczątkoway

Bardziej szczegółowo

obie z mocy ustawy. owego.

obie z mocy ustawy. owego. Kwartalik Prawo- o-ekoomia 3/015 Aa Turczak Separacja po faktycza lub prawa obie z mocy ustawy cza, ie ozacza defiitywego owego 1 75 1 61 3 Art 75 88 Kwartalik Prawo- o-ekoomia 3/015 zaspokajaia usp iedostatku

Bardziej szczegółowo

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG

TRANSFORMACJA DO UKŁADU 2000 A PROBLEM ZGODNOŚCI Z PRG Tomasz ŚWIĘTOŃ 1 TRANSFORMACJA DO UKŁADU 2000 A ROBLEM ZGODNOŚCI Z RG Na mocy rozporządzeia Rady Miistrów w sprawie aństwowego Systemu Odiesień rzestrzeych już 31 grudia 2009 roku upływa termi wykoaia

Bardziej szczegółowo

Zmiany w zarządzaniu jakością w polskich szpitalach

Zmiany w zarządzaniu jakością w polskich szpitalach Łopacińska Hygeia Public I, Tokarski Health 2014, Z, Deys 49(2): A. 343-347 Zmiay w zarządzaiu jakością w polskich szpitalach 343 Zmiay w zarządzaiu jakością w polskich szpitalach Quality maagemet chages

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

Akademia Młodego Ekonomisty

Akademia Młodego Ekonomisty Akademia Młodego Ekoomisty Mieriki wzrostu gospodarczego dr Baha Kaliowska-Sufiowicz Uiwersytet Ekoomiczy w Pozaiu 7 marca 2013 r. Ayoe who believes that expotetial growth ca go o for ever i a fiite world

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wykład wstępy. Teoria prawdopodobieństwa i elemety kombiatoryki 3. Zmiee losowe 4. Populacje i próby daych 5. Testowaie hipotez i estymacja parametrów 6. Test t 7. Test 8. Test

Bardziej szczegółowo

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7, Matematyka ubezpieczeń majątkowych.0.008 r. Zadaie. r, Zmiea losowa N ma rozkład ujemy dwumiaowy z parametrami (, q), tz.: Pr( N k) (.5 + k) (.5) k! Γ Γ * Niech k ozacza taką liczbę aturalą, że: * k if{

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Podstawy opracowaia wyików pomiarów z elemetami aalizepewości pomiarowych w zakresie materiału przedstawioego a wykładzie orgaizacyjym Pomiary Wyróżiamy dwa rodzaje pomiarów: pomiar bezpośredi, czyli doświadczeie,

Bardziej szczegółowo

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia

Bardziej szczegółowo

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx θ 1, dla 0 < x < 1, 0, poza tym, Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.

Bardziej szczegółowo

1. Metoda zdyskontowanych przyszłych przepływów pieniężnych

1. Metoda zdyskontowanych przyszłych przepływów pieniężnych Iwetta Budzik-Nowodzińska SZACOWANIE WARTOŚCI DOCHODOWEJ PRZEDSIĘBIORSTWA STUDIUM PRZYPADKU Wprowadzeie Dochodowe metody wycey wartości przedsiębiorstw są postrzegae, jako ajbardziej efektywe sposoby określaia

Bardziej szczegółowo

ZARZĄDZANIE FINANSAMI

ZARZĄDZANIE FINANSAMI STOWARZYSZENIE KSIĘGOWYCH W POLSCE ODDZIAŁ WIELKOPOLSKI W POZNANIU ZARZĄDZANIE FINANSAMI WYBRANE ZAGADNIENIA (1/2) DR LESZEK CZAPIEWSKI - POZNAŃ - 1 SPIS TREŚCI 1. RYZYKO W ZARZĄDZANIU FINANSAMI... 4 1.1.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)

Bardziej szczegółowo

co wskazuje, że ciąg (P n ) jest ciągiem arytmetycznym o różnicy K 0 r. Pierwszy wyraz tego ciągu a więc P 1 z uwagi na wzór (3) ma postać P

co wskazuje, że ciąg (P n ) jest ciągiem arytmetycznym o różnicy K 0 r. Pierwszy wyraz tego ciągu a więc P 1 z uwagi na wzór (3) ma postać P Wiadomości wstępe Odsetki powstają w wyiku odjęcia od kwoty teraźiejszej K kwoty początkowej K, zatem Z = K K. Z ekoomiczego puktu widzeia właściciel kapitału K otrzymuje odsetki jako zapłatę od baku za

Bardziej szczegółowo

Jak obliczać podstawowe wskaźniki statystyczne?

Jak obliczać podstawowe wskaźniki statystyczne? Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań

Bardziej szczegółowo

Porównanie dwu populacji

Porównanie dwu populacji Porówaie dwu populacji Porówaie dwóch rozkładów ormalych Założeia:. X ~ N( m, σ ), X ~ N( m, σ ), σ σ. parametry rozkładów ie ą zae. X, X ą iezależe. Ocea różicy między średimi m m m m x x (,...) H 0 :

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA

ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA SYSTEMY WSPOMAGANIA W INŻYNIERII PRODUKCJI Środowisko i Bezpieczeństwo w Iżyierii Produkcji 2013 5 ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA 5.1 WPROWADZENIE

Bardziej szczegółowo

Ekonometria Mirosław Wójciak

Ekonometria Mirosław Wójciak Ekoometria Mirosław Wójciak Literatura obowiązkowa Barczak A, ST. Biolik J, Podstawy Ekoometrii, Wydawictwo AE Katowice, Katowice 1998 Dziechciarz J. Ekoometria Metody, przykłady, zadaia (wyd. ) Kukuła

Bardziej szczegółowo

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15 Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay

Bardziej szczegółowo

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności) IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym

Bardziej szczegółowo

PODSTAWY MATEMATYKI FINANSOWEJ

PODSTAWY MATEMATYKI FINANSOWEJ PODSTAWY MATEMATYKI INANSOWEJ WZORY I POJĘCIA PODSTAWOWE ODSETKI, A STOPA PROCENTOWA KREDYTU (5) ODSETKI OD KREDYTU KWOTA KREDYTU R R- rocza stopa oprocetowaia kredytu t - okres trwaia kredytu w diach

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych 8. Optymalizacja decyzji iwestycyjych 8. Wprowadzeie W wielu różych sytuacjach, w tym rówież w czasie wyboru iwestycji do realizacji, podejmujemy decyzje. Sytuacje takie azywae są sytuacjami decyzyjymi.

Bardziej szczegółowo

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2 Wykład 5 Przedziały ufości Zwykle ie zamy parametrów populacji, p. Chcemy określić a ile dokładie y estymuje Kostruujemy przedział o środku y, i taki, że mamy 95% pewości, że zawiera o Nazywamy go 95%

Bardziej szczegółowo

ISSN 1898-6447. Zeszyty Naukowe. Uniwersytet Ekonomiczny w Krakowie. Cracow Review of Economics and Management. Metody analizy danych.

ISSN 1898-6447. Zeszyty Naukowe. Uniwersytet Ekonomiczny w Krakowie. Cracow Review of Economics and Management. Metody analizy danych. ISSN 1898-6447 Uiwersytet Ekoomiczy w Krakowie Zeszyty Naukowe Cracow Review of Ecoomics ad Maagemet 93 Metody aalizy daych Kraków 013 Rada Naukowa Adrzej Atoszewski (Polska), Slavko Arsovski (Serbia),

Bardziej szczegółowo

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś 1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.

Bardziej szczegółowo