Regresja wielokrotna. Przygotowano w oparciu o Applied Linear Regression Models Neter, Wasserman, Kutner

Wielkość: px
Rozpocząć pokaz od strony:

Download "Regresja wielokrotna. Przygotowano w oparciu o Applied Linear Regression Models Neter, Wasserman, Kutner"

Transkrypt

1 acj Kotrzwk Rgrja wlokrota Przygotowao w oarcu o Ald Lar Rgro odl Ntr Warma Kutr odl rgrj: - zmych zalżych... - β +β +...+β - - +ε Jśl założymy ż wówcza otać rówoważa jt otac: k β k k + ε Zakładając E(ε wówcza E(β +β +...+β - - (tzw. Fukcja rakcj/odowdz ro fucto Jt to hrłazczyza. Itrrtacja aramtru β k : wkazuj o a zmay z względu a jdotkowy wzrot zalżj zmj k rzy utaloym ozom ozotałych zmych. Warto zauważyć ż a modl każda z zmych ma jdakowy wływ (dmokracja zmych zalżych. Ogóly modl rgrj lowj W ogólj ytuacj zm... - muzą rrztować różych zalżych zmych. Zdfujmy Ogóly modl rgrj lowj o łędach ormalych w otac: β +β +...+β - - +ε gdz β β...β - ą aramtram... - za wlkośc ε - dn( Wok z otac : -N(β +β +...+β - - ; Przykład: β +β +β +ε Przykład: Torę rgrj moża wykorzytać w rzyadku /(β +β +...+β - - +ε dfując ową zmą zalżą otac Z/β +β +...+β - - +ε Za macrzowy Rówa rgrj moża zaać w otac macrzowj: β+ε (wymary: xx x+x Douzczamy ytuację ż zma jt.: otac *

2 L L K β β β β ε ε ε ε -wktor rakcj (zma zalża β- wktor aramtrów macrz tałych (zm zalż ε-wktor zalżych zmych o rozkładz ormalym o E(ε macrzy kowaracj I } { ε. Łatwo wdać z E(β atomat macrz kowaracj dla wyo I } { (x. Etymatory ajmjzych kwadratów Ozaczmy wktor tymowaych aramtrów:. Rówa ormal ma otać Etymatory ą otac; ( - (x x x Wartośc tortycz rzty Ozaczmy wktor wartośc tortyczych (doaowaych wykających z modlu Ŷ rzz ˆ a wktor rzt ˆ rzz ˆ ˆ ˆ ˆ. Wlkośc tortycz dfuj ę jako ˆ a rzty jako ˆ. Poadto rzyjmjmy ozacz: ( ' ' ˆ H H. Stad (I-H wówcza macrz kowaracj ma otać { } ( H I która jt tymowaa rzz { } ( H I SE. W zczgólośc { } ( h gdz h jt lmtm z dagoal macrzy H. ( ' ' ' h gdz (-ty wrz macrzy (rzyom: ( SESSE/(- zczgóły ożj

3 Aalza waracj Przyom: SSE SSR ( ( ˆ (rror um of quar ˆ (rgro um of quar Z dfcj wyka ż SSTOSSR+ SSE (. (total um of quar ˆ Uzaad dkomozycj: ˆ + ˆ (całkowt odchyl (SSTOodchyl doaowaa modlu rgrj wokół śrdj (SSR+odchyl wokół doaowaj l rgrj (SSE Z owyżzgo zwązku wyka: ( ( ˆ + ( ˆ Im wękzy jt SSTO tym wękza jt waracja omędzy orwacjam. Im wękz jt SSE tym wękz jt odchyl orwacj od doaowaj rotj rgrj. Im wękz SSR w touku do SSTO tym wękz jt zacz rgrj w o (wyjaśau całkowtj waracj orwacj. SSTO -(/ J [I-(/J] SSE (- (- - (I-H SSR -(/ J [H-(/J] gdz L J (x L SSTO - t. woody SSE - (oważ tymujmy aramtrów SSR - (odowada lcz zmych zalżych Źródło waracj SS Df S Zmość wwątrz SSR -(/ J - SRSSR/(- modlu Zmość rzt SSE - - SESSE/(- Zmość całkowta SSTO -(/ J - E(SE E(SR +ujma wlkość.:dla -: E(SR [ ]/ + β ( + β ( + ββ ( ( Tt F dla modlu rgrj Ttujmy czy zachodz zwązk omędzy zmą zalżą układm zmych zalżych zadaym modlm rgrj tz. H: β β...β - 3

4 H: wzytk β k ą zram Statytyka ttowa: F*SR/SE Pozom totośc α (łąd Igo rodzaju Jśl F*<F(-α ;-- rzyjmuję H Jśl F*>F(-α ;-- rzyjmuję H 4

5 5 Wółczyk doaowaa R SSR/SSTO-SSE/SSTO (*% okrśla w lu roctach zmość jt wyjaśaa rzz zmość modlu. rzy roorcjoalą rdukcję zmośc wykającą z zatoowaa modlu rgrj. Właość: R Jśl wzytk β k to R Jśl R to mu zachodzć ˆ Duż wlkośc R ozaczają ż doaoway modl jt użytczy : rówoczś mogą wytęować duż wlkośc SE któr umożlwają właścw wokowa. Doda zmj zalżj do modlu moż zwękzyć wlkość tgo wółczyka (gdy zmjzyć. Dzj ę tak oważ SSE gdy ę zwękzy rzy wękzj lcz zmych zalżych a SSTO jt zawz tak amo. odl koomtryczy ow yć ozczędy. Potrza jt mara która ędz rfrować modl rotz. Porawoy wółczyk dtrmacj : SSTO SSE SSTO SSE R Wółczyk korlacj jt okrślay jako R R Wokowa o aramtrach Etymatory ajmjzych kwadratów ą ocążo E(β acrz kowaracj: { } { } { } { } { } { } { } { } { } { } wyo {} ( - Etymowaa macrz kowaracj: { } { } { } { } { } { } { } { } { } { } wyo {} SE( - Przdzałowa tymacja aramtrów Dla rgrj o łędach ormalych: { } (... k t k k β k zatm rzdzały ufośc dla β k z rzdzałm ufośc -α ą otac: k ±t(-α/;-{ k }

6 Ttowa wółczyków H: β k H: β k Statytyka t* k /{ k } Rguła dcyzyja: Jśl t* t(-α/;- rzyjmujmy H w ym rzyadku rzyjmujmy H Progoza Przdzał rogozy dla jdgo kroku z rawdoodońtwm -α dla owych orwacj h(owy odowadającj wlkośc zmj zalżj h wyo: ˆ ± t α / ; ( { } h h( owy gdz { h(owy }SE+ { Ŷ h }SE+ h {} h SE(+ h( - h Doór zmych zalżych do modlu Wzrot zmość modlu rgrj o dołącza zmj do modlu zawrającgo już zmą : SSR( SSE( -SSE( SSR( - SSR( (otata rówość wyka z SSTOSSR+SSE Aalogcz zwązk gdy dołączymy 3 do modlu w którym rozważao już. SSR( 3 SSE( -SSE( 3 SSR( 3- SSR( Podo zadamy wływ dołącza klku zmych.: SSR( 3 SSE( -SSE( 3 SSR( 3 - SSR( Dkomozycja SSR SSR( SSR( + SSR( a oważ koljość dków w lwj tro rówośc ma zacza zatm zachodz: SSR( SSR( + SSR( W aalogczy oó moża zaać zwązk: SSR( 3 SSR( + SSR( + SSR( 3 SSR( + SSR( 3 Źródło zmośc SS df S Rgrja SSR( 3 3 SR( 3 3 SSR( SSR( SSR( 3 SR( SR( SR( 3 Błąd SSE( 3-4 SE( 3 Całkowta SSTO - Uzaad: Lcza t. woody (dgr of frdom df dla SSR( 3 mu yć 3 gdyż SSR( 3 SSR( + SSR( + SSR( 3 a każda z kładowych ma df o dodatkowy aramtr do wytymowaa. Ttowa totośc wółczyków rgrj Rozważmy β +β +β +β 3 3 +ε (jzy tt jt rówoważy z ttm owyżj o (t* F* H: β 3 6

7 H: β 3 Ozacz F ozacza modl ły w tj ytuacj oz. ż rozważamy 3 R modl zrdukoway tz Wówcza: SSE(FSSE( 3 df F -4 (o 4 aramtry Jśl H to mamy β +β +β +ε (oczywśc tutaj łędy ą to jt to amo co owyżj. Wówcza SSE(RSSE( df R -3 (o 3 aramtry ( SSE( R SSE( F SSE F Statytyka F* (rzyadk ogóly. df R df F df F Rguła dcyzyja: Jśl F* F(-α; df R - df F df F rzyjmujmy H w ym rzyadku rzyjmujmy H Warto zauważyć ż df R - df F df F - (gdz to lcza aramtrów rgrj Wółczyk dtrmacj czątkowj Ida R mrzy roorcjoalą rdukcję zmośc uzykaą orzz rozważa całgo zoru zmych zalżych. Wółczyk korlacj czątkowj mrzą rzgowy wływ jdj z zmych a wyjaśa zmośc zmj gdy ozotał zm zalż ą już włączo do modlu. Rozważmy: β +β +β +ε SSE( mrzy rozroz gdy do modlu jt włączoa zma SSE( mrzy rozroz gdy do modlu włączo ą zm Rdukcja zmośc zwązaa z zmą gdy jt już w modlu wyraża ę orzz wółczyk korlacj czątkowj: r SSE( SSE( SSR(. SSE SSE ( ( Ogóljzy rzyadk: r.3 r 4.3 ( 3 ( 3 ( 4 3 ( SSR SSE SSR SSE 3 Wółczyk korlacj czątkowj Wółczyk korlacj czątkowj : r k. g(β k (r k.^.5 Wółczyk t toowa ą do dtyfkacj zmych zalżych a odtaw tych formacj włącza ę lu zm do modlu. 7

8 Przykład r r r r. r r r.3 ( ( ( ( r r r ( r ( r.3.3 gdz r to korlacja omędzy Stadaryzoway modl rgrj wlokrotj Umożlwa orówa wytymowaych aramtrów w tych amych jdotkach Przykład: ˆ + +. a rwzy rzut oka ma toty wływ a a zkomy. Wok moż yć łędy o odao jdotk rzyuśćmy zatm ż w dolarach w tyącach dolarów w ctach Wływ wzrotu o dolarów zmj a jt tak am jak wzrot zmj o dolarów Umożlwa kotrolę łędów zaokrąglń w roc tymacj aramtrów. Zagad mało tot dla modl o 3ch zmych zalżych lu mj tutaj łędy zaokrąglń ą tak tot zwłazcza jśl mazya lcząca używa odwójj rcyzj tj 6 cyfr o rzcku Ukęc łędów zaokrąglń odywa ę orzz zatoowa tzw. traformacj korlacyjj ' ' k k k k...- k gdz ( k ( k k odl rgrj dla owych zmych k azyway jt modlm tadardowj rgrj wyraża ę orzz β +...+β - -+ε ( ma wyrazu wolgo! Jgo uwzględ tak okaż ę zclow o tymatory ajmjzych kwadratów dają mu wartość rówą Itj zwązk omędzy owym tarym aramtram: β k ( / k β k (k...- β β... β Uwaga: Dla tadaryzowago modlu rgrj macrz r tz.jt macrzą korlacj. W kokwcj jj lmty alżą do rzdzału [-] co owoduj ż wytęują tak lcz rolmy rzy odwracau macrzy jak w tadardowy modlu. Poadto r. Prolm w olczach wyka rzd wzytkm rzy olczau ( - 8

9 Uzaad: ' ' ( ( ( ( [ ] / r ( ( Przykład: Dla : ' r r r ' r r r. r r Itrrtacja Z orówaa wlkośc wółczyków wycągay jt wok o tym która zma ma wękzy wływ a zmą zalżą. Z taką trrtacją alży yć jdak otroży zwłazcza w rzyadku zmych zalżych mędzy którym wytęuj zalżość. Uwaga: Itrrtacja wółczyków rgrj tj. jak zma ę zma zalża jśl wą zmą zalżą zmmy o jdotkę a ozotał utalmy jt rawdłowa gdy wśród zmych zalżych wytęuj la korlacja gdyż zmając jdą z zmych zalżych zmamy rówoczś korlowaą z ą ą zmą zalżą. Aalza odtających wartośc zmj Na oczątku yła dfcja h. oża okazać ż zachodzą dla go: h h (gdz to lcza aramtrów. h jt wkaźkm czy day -ty rzyadk jt odtający (w odu do zmych zalżych azyway jt dźwgą. Uzaad: moża okazać ż jt o odlgłoścą omędzy -tym rzyadkm a środkm daych (rzyadk śrd. Orwacja. Czym wękza wartość h tym ardzj odtający jt -ty rzyadk a jdoczś tym wękzy jt jgo wływ a olcz wartośc tortyczych Ŷ. Jt tak dlatgo ż Ŷ. jt lową komacją gdz h jt wagą ( ˆ H.. W rzyadku. Czym wękz h tym mjza waracja łędu gdyż { } ( krajym tj. gdy h to { } h zatm wartość tortycza okrywa ę z rawdzwą. Zatm rzyadk z dużą wlkoścą h mają zyt dużą warację rzt zatm wykryc wartośc odtającj a odtaw orwacj wyłącz rzt moż yć możlw. Wkazówka raktycza: Orwację uzaj ę za odtającą jśl h >/. h >5 mów ę ardzo duża dźwga <h <5 śrda wlkość dźwg 9

10 Uwaga orządkująca: Ida: Najrw alży zdtyfkować lmty odtając otm rzrowadzć dla ch aalzę ch wływu a aalzę modl. Natę odjąć dcyzję czy wylmować rzyadk z azy daych. Aalza odtających wartośc zmj Elmacja rzt tudtyzowaych Rzty: ˆ Stadaryzowa rzty: SE Wwętrz tudtyzowa rzty W ytuacj gdy mają zacząco róż waracj { } ( ( h touku do { } alży rozważyć w któr umożlwą am rozoza różc w rzyadku łędów. Wówcza wwętrz tudtyzowa rzty dfuj ę jako: * gdz { } { }SE(-h jt ocążoym tymatorm waracj Rzty mają róż rókow waracj o l wartośc dźwg h zmają ę zacząco odcza gdy wwętrz tudtyzowa rzty mają tałą warację ( o l modl jt właścwy. Uuęt rzty (dltd rdual otywacja: Załóżmy ż dla wgo jt orwacją odtającą. Na doaowa wółczyków rgrj moż mć duży wływ taka orwacja. W kokwcj wartość tortycza Ŷ moż yć ardzo lko tz. rzta ˆ jt mała a to śwadczy o tym ż orwacja jt odtająca. Ia ytuacja ędz jśl rzd dokoam aalzy uuęto odtający rzyadk. Wówcza rzta ędz duża odzwrcdlając tym amym tyowość. Ida: lmujmy orw. odtającą rzrowadzamy aalzę rgrj atę do wytymowago modlu rgrj odtawamy wylmoway rzyadk olczamy tzw. uuęt rzty: d ˆ ( gdz ot.ymol ozacza z ty rzyadk zotał wylmoway z aalzy rgrj. oża okazać ż d (czyk wylczo w oarcu o wzytk rzyadk. h Orwacja: h roś to roś d. Rzty t w odróżu od rwotych dtyfkują orwacj odtając. Fakt: (d SE ( /(-h gdz SE ( zotało olczo gdy -ty rzyadk zotał omęty. d t( d (

11 Studtyzowa uuęt rzty (Studtzd Dltd Rdual Komacja dwóch owyżj zdfowaych rzt rowadz do ojęca Studtzd Dltd Rdual: * d d. d SE h { } ( ( Wyzacza takch rzt mu łączyć ę z dokoywam aalzy rgrj rzy każdorazowym wylmowau koljgo rzyadku o: d * SSE( h Fakt d * - t(-- / Duż wartośc d * rzmawają za tym ż -ta orwacja jt odtająca Idtyfkacja rzyadków wływowych mary DFFITS DFBETAS odlgłość Cook a Umjąc zdtyfkować orwacj odtając alży zadać czy ą to rzyadk wływow. (DFFITS ˆ ˆ SE ( h ( (DF dffrc Jt to mara okrślająca wływ -tgo rzyadku a tortyczą wartość Ŷ (tj. gdy wzytk rzyadk ą uwzględo w aalz. Itrrtacja: DFFITS dla -tgo rzyadku rzdtawa z gruza lczę wytymowaych odchylń tadardowych wływu -tgo rzyadku. DFFITS moża lczyć a odtaw wzytkch rzyadków: / * h DFFITS d h Jśl -ty rzyadk jt odtający ma dużą wartość h to mara DFFITS roś (a wartość zwzględą. Zaada raktycza: dla małj lu śrdo lczj róy: rzyadk jt wływowy jśl DFFITS > dla lczj róy DFFITS >(/^.5 DFBETAS rzy wływ -tgo rzyadku a każdy z wółczyków rgrj k (k...- k k ( ( DFBETAS k ( k...- gdz SE( ckk k( jt ozacowam k-tgo wółczyka gdy uumy -ty rzyadk. c kk jt k-tym lmtm z dagoal macrzy ( -

12 Zaada raktycza: dla małj lu śrdo lczj róy: rzyadk jt wływowy jśl DFBETAS > dla lczj róy DFFITS >/^.5 Odlgłość Cook a rzy wływ -tgo rzyadku a cały wktor tymowaych aramtrów modlu rgrj. ( ( ' ' ( ( D SE gdz ( jt wktorm aramtrów rgrj wytymowaym a odtaw daych z omęcm - tgo rzyadku atomat gdy do aalzy douzczoo wzytk wlkośc. arę tę moża lczyć a odtaw łgo modlu gdyż: ( h D SE h Czym wękz jt lu h tym wękz jt D. Przyjmuj ę ż rozkład D rzylża ę orzz F(-. Wyzaczając wlkość rctyla wokuj ę o rol -tgo rzyadku: a rctyl< to -ty rzyadk ma mały wływ a wółczyk rgrj rctyl>5 to -ty rzyadk ma duży wływ a doaowa wółczyków rgrj Uwaga krytycza: Prztowa mary wływu dago rzyadku zwykl właścw dagozują. Jdak trudo wyorazć o ytuację gdy mamy orwacj tyow lko. Wówcza uuęc jdj z ch ma totgo odzwrcdla w wółczykach o ta druga daa tuzuj jj rak wływu. Wokowa o wływ rzyadku Jśl ma wyraźgo wływu orwacj tyowj a aalzę rgrj to ma u wrowadzaa cjalj dagotyk dla takgo rzyadku. Sytuacja zma ę gdy wływ jt toty. Załóżmy ż mamy daą odtającą o totym wływ a aalzę rgrj. umy zdcydować co zroć z taką orwacją. jśl tją rzłak wkazując a tyową ytuację którj wykm jt tyowy rzyadk taka ytuacja jt tota o ardzo oradycza (. zawał oratora krawark to uuwamy rzyadk Jśl łąd omaru mał mjca yło to rzjawm tyowgo zdarza wówcza to raczj modl jt odowd (a wkutk uwzględa dodatkowj zmj zalżj 3 Jśl orwacja jt tyowa ma uzaada ż jt wykm łędu gromadza daych oraz ma owj trrtacj jj wytęowa. Wówcza o wl lzym ouęcm ż jj lmacja jt zmjz jj wływu. Jśl orw. odt. dotyczy jdj z zmych zalżych wówcza alży zatoować traformację zmych tj logarytm rw. kwadratowy. Oczywśc to mam jśl traformacja zrodz ych rolmów.

( ) ( ) ( ) ( ) ( )( ) ( ) ( ) 2. r s. ( i. REGRESJA (jedna zmienna) e s = + Y b b X. x x x n x. cov( (kowariancja) = (współczynnik korelacji) = +

( ) ( ) ( ) ( ) ( )( ) ( ) ( ) 2. r s. ( i. REGRESJA (jedna zmienna) e s = + Y b b X. x x x n x. cov( (kowariancja) = (współczynnik korelacji) = + REGRESJA jda zma + prota rgrj zmj wzgldm. przlo wartoc paramtrów trukturalch cov r waga: a c cov kowaracja d r cov wpółczk korlacj Waracja rztowa. Nch gdz + wtd czl ozacza rd tadardow odchl od protj rgrj.

Bardziej szczegółowo

Wykład 6. Klasyczny model regresji liniowej

Wykład 6. Klasyczny model regresji liniowej Wkład 6 Klacz modl rgrj lowj Rgrja I rodzaju pokazuj jak zmają ę warukow wartośc oczkwa zmj zalżj w zalżośc od wartośc zmj zalżj. E X m Obraz gomtrcz tj fukcj to krzwa rgrj I rodzaju czl zbór puktów płazczz,

Bardziej szczegółowo

Ćwiczenia 11_12 KLASYCZNY MODEL REGRESJI LINIOWEJ

Ćwiczenia 11_12 KLASYCZNY MODEL REGRESJI LINIOWEJ Ćwcza _ KLACZN MOL RGRJI LINIOWJ Zada. W tabl przdstawoo wysokość stawk clj X oraz udzał w ryku a pw towar mportoway spoza U. 5 5 0 0 8 0 y 5 6 3 7 0 Nalży w oparcu o poda formacj: a. Zapsać rówa fukcj

Bardziej szczegółowo

$y = XB KLASYCZNY MODEL REGRESJI LINIOWEJ Z WIELOMA ZMIENNYMI NIEZALEŻNYMI

$y = XB KLASYCZNY MODEL REGRESJI LINIOWEJ Z WIELOMA ZMIENNYMI NIEZALEŻNYMI KASYCZNY ODE REGRESJI INIOWEJ Z WIEOA ZIENNYI NIEZAEŻNYI. gdz: wtor obsrwacj a zmj Y, o wmarach ( macrz obsrwacj a zmch zalżch, o wmarach ( ( wtor paramtrów struturalch (wtor współczów, o wmarach (( wtor

Bardziej szczegółowo

16, zbudowano test jednostajnie najmocniejszy dla weryfikacji hipotezy H

16, zbudowano test jednostajnie najmocniejszy dla weryfikacji hipotezy H Zada Zakładając, ż zm losow,,, 6 są zalż mają rozkłady ormal ~ N( m, ),,, 6, zbudowao tst jdostaj ajmocjszy dla wryfkacj hpotzy H 0 : m 0 przy altratyw H : m 0 a pozom stotośc 0,05 W rzczywstośc okazało

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

PROGNOZOWANIE WIELKOŚCI WYDOBYCIA WĘGLA KAMIENNEGO W GÓRNOŚLĄSKIM ZAGŁĘBIU WĘGLOWYM Z UŻYCIEM LINIOWEJ FUNKCJI REGRESJI

PROGNOZOWANIE WIELKOŚCI WYDOBYCIA WĘGLA KAMIENNEGO W GÓRNOŚLĄSKIM ZAGŁĘBIU WĘGLOWYM Z UŻYCIEM LINIOWEJ FUNKCJI REGRESJI PROGNOZOWANIE WIELKOŚCI WYDOBYCIA WĘGLA KAMIENNEGO W GÓRNOŚLĄSKIM ZAGŁĘBIU WĘGLOWYM Z UŻYCIEM LINIOWEJ FUNKCJI REGRESJI Staław Kowalk 1, Kryta Probrz 1 Katdra Zarządzaa Iżyr Bzpczńtwa, Poltchka Śląka Itytut

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

Prognozowanie- wiadomoci wstpne

Prognozowanie- wiadomoci wstpne Progozowa- wadomoc wtp Progozowa to racjoal woowa o zdarzach zach a podtaw zdarz zach. Clm progoz jt dotarcz otwch formacj potrzch do podjmowaa dczj. Progoz a mulacj. Progoza co dz w momc t Smulacja co

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5 Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja

Bardziej szczegółowo

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (c.d.) MIARY ZMIENNOŚCI

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (c.d.) MIARY ZMIENNOŚCI D. zczyńa,.zczyń, atrały do wyładu 3 z Statyty, 009/0 [] CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (c.d.). mary połoŝa - wyład. mary zmośc (dyprj, rozproza) 3. mary aymtr (ośośc) 4. mary octracj IARY

Bardziej szczegółowo

Weryfikacja modelu. ( ) Założenia Gaussa-Markowa. Związek pomiędzy zmienną objaśnianą a zmiennymi objaśniającymi ma charakter liniowy

Weryfikacja modelu. ( ) Założenia Gaussa-Markowa. Związek pomiędzy zmienną objaśnianą a zmiennymi objaśniającymi ma charakter liniowy Wryfkacja modlu. Założa Gaussa-Markowa Zwązk pomędzy zmą objaśaą a zmym objaśającym ma charaktr lowy x, x,, K x k Wartośc zmych objaśających są ustalo ( są losow ε. Składk losow dla poszczgólych wartośc

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

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

Bardziej szczegółowo

W praktycznym doświadczalnictwie, a w szczególności w doświadczalnictwie polowym, potwierdzono występowanie zależności pomiędzy wzrastającą liczbą

W praktycznym doświadczalnictwie, a w szczególności w doświadczalnictwie polowym, potwierdzono występowanie zależności pomiędzy wzrastającą liczbą W prktyczym doświdczlictwi, w zczgólości w doświdczlictwi polowym, potwirdzoo wytępowi zlżości pomiędzy wzrtjącą liczą oiktów doświdczlych w lokch, wzrotm orwowgo łędu ytmtyczgo. Podcz plowi doświdczń

Bardziej szczegółowo

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 4. iωα. Własności przekształcenia Fouriera. α α

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 4. iωα. Własności przekształcenia Fouriera. α α ora Sygałów rok Gozyk rok ormatyk Stosowaj Wykład 4 Własośc przkształca ourra własość. Przkształc ourra jst low [ β g ] βg dowód: rywaly całkowa jst opracją lową. własość. wrdz o podobństw [ ] dowód :

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych ora Sygałów III ro Ioray Sosowaj Wyła Rozważy sończoy sygał () spróboway z częsolwoścą : Aalza częsolwoścowa ysrych sygałów cyrowych p óra js wa razy węsza o częsolwośc asyalj a. Oblczy jgo rasorację Fourra.

Bardziej szczegółowo

ROZKŁAD OBJĘTOŚCI SUMARYCZNEJ W SYSTEMIE M/M/n/m

ROZKŁAD OBJĘTOŚCI SUMARYCZNEJ W SYSTEMIE M/M/n/m ROZKŁAD OBJĘTOŚC SUMARYCZNEJ W SYSTEME M/M// Wtę Wy ż badzo zadko oży uzykać wzoy aw a dytybuatę obętośc uaycz zgłozń zaduących ę w tacoay yt obług chocaż w otatch latach udało ę coś zobć w ty kuku Chodz

Bardziej szczegółowo

Ę Ź ś ś ść ś ść ś ś ś ś Ż ż Ś ś Ę Ś ś śś Ł

Ę Ź ś ś ść ś ść ś ś ś ś Ż ż Ś ś Ę Ś ś śś Ł ś Ą ś Ż Ż Ł ź Ś Ż ż Ż ż ż Ó Ż Ę ś Ę Ę Ę ś ś Ł Ą Ę Ź ś ś ść ś ść ś ś ś ś Ż ż Ś ś Ę Ś ś śś Ł ż Ą ś ś ś ś ś ś ć ść Ę ś ś Ą Ę Ą ż Ę ś śś Ę ś ś ś ś ż Ę ć ś ć ż ć Óź Ę Ę Ę Ą ś ś ś Ś ś Ż Ż Ż żć ś ś ź Ę Ę ś ś

Bardziej szczegółowo

przegrody (W ) Łukasz Nowak, Instytut Budownictwa, Politechnika Wrocławska, e-mail:lukasz.nowak@pwr.wroc.pl 1

przegrody (W ) Łukasz Nowak, Instytut Budownictwa, Politechnika Wrocławska, e-mail:lukasz.nowak@pwr.wroc.pl 1 1.4. Srawdzn moŝlwośc kondnsacj ary wodnj wwnątrz ścany zwnętrznj dla orawngo oraz dla odwrócongo układu warstw. Oblczn zawlgocna wysychana wlgoc. Srawdzn wykonujmy na odstaw skrytu Matrały do ćwczń z

Bardziej szczegółowo

ć Ę ó ż ć

ć Ę ó ż ć Ą Ł ż ż Ę ó ó ó ć ó ć ó ż ó ó ż ó ć Ę ó ż ć ó ź ó ó ó ć ó ć ó ć ó ó ó ó ó Ę ó ó ó ż ó Ę ó ó ż ó óż ó ó ć ć ż ó Ą ó ó ć ó ó ó ó ó ż ó ó ó ó Ą ó ó ć ó ó ź ć ó ó ó ó ć ó Ę ó ż ż ó ó ż ż ó ó ó ć ó ć ó ć ó

Bardziej szczegółowo

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych Ćczea r 3 Fae II obert Ślepaczuk Teora portfela paperó artoścoych Teora portfela paperó artoścoych jet jedym z ajażejzych dzałó ooczeych faó. Dotyczy oa etycj faoych, a przede zytkm etycj dokoyaych a ryku

Bardziej szczegółowo

ć ć ż ć ź ż ż ź ź ŚĆ Ź ź ć Ź ź ź ź ź Ś Ą Ć Ć ć Ź ź

ć ć ż ć ź ż ż ź ź ŚĆ Ź ź ć Ź ź ź ź ź Ś Ą Ć Ć ć Ź ź Ł Ł ć ć Ś Ź Ć Ś ć ć ż ć ź ż ż ź ź ŚĆ Ź ź ć Ź ź ź ź ź Ś Ą Ć Ć ć Ź ź Ś Ć Ć Ś ź Ć ż ż ź ż Ć ć ż Ć Ć ż ż ź Ć Ś Ś ż ż ć ż ż Ć ż Ć Ś Ś Ź Ć Ę ż Ś Ć ć ć ź ź Ś Ć Ś Ć Ł Ś Ź Ś ć ż Ś Ć ć Ś ż ÓŹ Ś Ś Ź Ś Ś Ć ż ż Ś ż

Bardziej szczegółowo

Ź Ź ź Ś Ą Ź ć Ś

Ź Ź ź Ś Ą Ź ć Ś ć ź ć ć ć ć Ć ć Ę ć ć ć Ś ć Ć ć ć ć Ź Ź ź Ś Ą Ź ć Ś ć Ź Ę Ź ć ć Ą Ą Ą ć Ć Ą ć Ź Ś ź ć Ź ć Ź Ś Ź Ź Ą ć Ą Ź ć Ć Ź Ę Ą Ą Ś ć Ć ć ć Ś Ń Ą Ń Ś Ś Ę Ź Ą Ą Ą Ś ć Ź Ź Ś Ś ź ŚŚ Ć Ś Ś Ą Ą ć ć Ź ź Ź ć Ź Ź ź Ź ć Ć

Bardziej szczegółowo

ń Ę ń Ś Ą Ń ż Ą ż ż ż ż ż ć ć ż ż ż ż ż ń ź ż ż ż ć ż ć ż ż ż ż ż ń Ą ż ń ń ż ń Ń Ę ż ź ń ż ć ć ń ż ż ż ń ż ż ż ć ć ń Ń ń ż ż Ń ć Ę ń ć ć ż ż ż ż ń Ę ń ż Ź Ś ż ć ć ż Ś ż ż ć ń ń ż ć ć ż Óż ń ń ż ż ć ć

Bardziej szczegółowo

www.anilrana13014.weebly.com www.k8449.weebly.com t t t t t t t t t t t t t t t t t ç iv P P P P P P P P P P P q r s t r 1 r 1 2 r 34 5 I 2 6 r 34 5 I 78 910 ❶ r s ❷ ❸ 78 910 P P P P P s r r r r r r r

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMINIE NA STUDIACH LICENCJACKICH

STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMINIE NA STUDIACH LICENCJACKICH STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMNE NA STUDACH LCENCJACKCH Oacoa zgotoa zz d Maę Wczo a odta:. P. Kuz, J. Podgó: Statta. Wzo tablc. SGH, Wazaa, 8. M. Wczo: Statta. Lubę to! Zbó zadań. SGH,

Bardziej szczegółowo

ŁĄ

ŁĄ Ś ĄŻ ŁĄ Ź Ą ÓŹ Ś Ś Ą Ą Ś Ó ŚÓ Ó Ą Ó Ż Ź Ś Ż Ó Ó Ó Ż Ó Ą Ż Ó Ż Ż Ż Ż Ś Ą Ż Ć Ą Ć Ą Ż Ł Ś Ś Ź Ó Ś Ó Ó Ó Ś Ż Ź Ż Ż Ę Ą Ó Ś ź Ó Ę Ą Ź Ą Ż Ó Ś Ć Ę Ś Ą Ś Ś Ś Ą Ó Ę Ó Ę Ą Ż Ż Ó Ż ź Ą Ó Ś Ź Ż Ó Ż Ż Ź Ó Ó Ś Ś Ó

Bardziej szczegółowo

ć ć ć Ś ć Ż

ć ć ć Ś ć Ż Ę ć ć ć Ś ć Ż Ę Ś ŚĆ Ś ć ć ć Ś ć ć ć ć ć ć Ś Ć ć ć ć ć ć ć ć ć ć ć ć ć Ś ć Ś Ż Ś Ę ć ć Ż ŚĆ ć ć ć ć ć Ż ć ć ć ć ć ć ć ź ć Ż ć ć ć ć ź ć ć ć ć ć ć ć Ć ć ć Ę ć ź ć ć ć ć ć ć ć Ę ź Ę ć ć ć ć ć ć ć ć ć ć ć

Bardziej szczegółowo

Ś Ż ć Ą Ż Ż ć Ś Ż Ą Ż Ą ľ Ś ć Ś Ś ć Ś ć ě Ż Ż Ż Ż Ż Ź Ż Ż Í

Ś Ż ć Ą Ż Ż ć Ś Ż Ą Ż Ą ľ Ś ć Ś Ś ć Ś ć ě Ż Ż Ż Ż Ż Ź Ż Ż Í Ó Í ľ ä Í ľ Ä ľ Ü Ś Đ Ą Ś Ż Ś Ż Ś Ż ć Ą Ż Ż ć Ś Ż Ą Ż Ą ľ Ś ć Ś Ś ć Ś ć ě Ż Ż Ż Ż Ż Ź Ż Ż Í Ż ľ Ó Ż Ż Ż ć Ż ć Ó ć Ą ć ć ć ü Í Á í í Ś Ż Ą Ś Ż í í í í í í í í í í ć Ż Í í ć Ż Ż Ż Ź Ą Ż Ż ć Ż őż Í ć Ż ć

Bardziej szczegółowo

STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMINIE NA STUDIACH LICENCJACKICH

STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMINIE NA STUDIACH LICENCJACKICH STATYSTYKA PODSTAWOWE WZORY DOZWOLONE NA EGZAMNE NA STUDACH LCENCJACKCH Oacoa zgooa zz d Maę Wczo a oda:. P. Kuz, J. Podgó: Saa. Wzo ablc. SGH, Wazaa, 8. M. Wczo: Saa. Lubę o! Zbó zadań. SGH, Wazaa 6 .

Bardziej szczegółowo

Hipotezy ortogonalne

Hipotezy ortogonalne Sttytyk Wykłd d Ćl -4 cl@gh.du.pl Hpotzy otogol ozwży odl lowy: Xϕ gdz X jt wkto obwcj ϕ Ω jt wkto śdch (wtośc oczkwych) o któy wdoo lży w pwj włścwj podpztz lowj Ω pztz tz. Ω d(ω)< jt loowy wkto błędów

Bardziej szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

Bardziej szczegółowo

ż ć ć ż ż ż ż ź ć ż ć ż ż ź ż ć ż ź ż ć ź ż ż ź ć ż ż ć ż

ż ć ć ż ż ż ż ź ć ż ć ż ż ź ż ć ż ź ż ć ź ż ż ź ć ż ż ć ż Ś Ś Ż Ó ż ż ż ż ć ż ż ć ż ż ż ż ź ż ż ż Ó Ś ż ć ć ż ż ż ż ź ć ż ć ż ż ź ż ć ż ź ż ć ź ż ż ź ć ż ż ć ż ż Ś ż ż ć ż Ś Ó ż ż ż ć ć ż ć ź ż ż ż ć ć ć ć ż ż ź Ó ć ż ż ż ć ź ż ć ż ć ż ż ż ż ż ć ć ć ż ż ż ź ż

Bardziej szczegółowo

Ś Ó Ó Ś ż Ś Ó Ś ŚÓ Ó

Ś Ó Ó Ś ż Ś Ó Ś ŚÓ Ó Ą Ł ć Ę Ę Ł Ź Ł ż ż ż ż Ó Ł Ś Ó Ó Ś ż Ś Ó Ś ŚÓ Ó ż Ż Ó Ż Ś ć ć ż Ś Ż Ó Ż Ó ż ż Ż ż ż Ż Ż Ą ć Ż Ó ż Ż Ż ż ż Ż Ó ż Ż Ś Ć ż Ł Ę Ę Ź ć Ó ć Ś Ż ż ż Ę ż ż Ę Ż Ś ż Ś Ż ż Ś Ż Ż ż ż Ż Ż Ż Ż ż Ś Ż Ż ż Ż ż ż Ź Ż

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański atala ehreecka Darusz Szmańsk Wkład . MK przpadek welu zmech. Własośc hperpłaszczz regresj 3. Doroć ć dopasowaa rówaa regresj. Współczk determacj R Dekompozcjawaracj zmeejzależejzależej Współczk determacj

Bardziej szczegółowo

ść ść ś ś Ą ż Ść ś Ó Ó ś ń ś ń ś ń Ć Ż ż Ó Ż Ó Ó żó ń Ó ś Ż ń ż Ź ś

ść ść ś ś Ą ż Ść ś Ó Ó ś ń ś ń ś ń Ć Ż ż Ó Ż Ó Ó żó ń Ó ś Ż ń ż Ź ś ś Ó Ó Ó Ó ś ń Ę ś ś Ó Ó Ż ń ń ż ń ś ż Ó ś Ó ś Ż ś ń Ó Ż ń Ó ń Ó Ż ń Ó ś Ó Ó ń Ó Ę ść ść ść ś ś Ą ż Ść ś Ó Ó ś ń ś ń ś ń Ć Ż ż Ó Ż Ó Ó żó ń Ó ś Ż ń ż Ź ś ś ńą ś ś ż ś ż Ó Ż ś Ó Ó Ó Ź Ó Ó Ś Ó Ó Ó Ó Ę ś Ę

Bardziej szczegółowo

Ę ľü ď Ż Ż ć Ż ď ż ď ď Ą Ż ć Ą Ą í Ą ý Ź Ź ŕ Ą Ą Ą Ą Ż ż Ż Ą ď ż ľ Ż Ż

Ę ľü ď Ż Ż ć Ż ď ż ď ď Ą Ż ć Ą Ą í Ą ý Ź Ź ŕ Ą Ą Ą Ą Ż ż Ż Ą ď ż ľ Ż Ż Ę ľ ľ Ł ż Ą í Ą Ą í í Í Ź ż ż Ę ľü ď Ż Ż ć Ż ď ż ď ď Ą Ż ć Ą Ą í Ą ý Ź Ź ŕ Ą Ą Ą Ą Ż ż Ż Ą ď ż ľ Ż Ż ď Ź Ę ż ż Ę Ą Í Ł Ł Ę í ż ď Ą ď Ź ý Ż Ż Ż Ź ż ż Ć ď ÁĄ ď ď Ą ď ď Ą ď Ż ď Ą ŕ Ł Ł Ę í í ż ż ý ý ć á Ż

Bardziej szczegółowo

Ą ś ź ś ć ś ź ź ś ź

Ą ś ź ś ć ś ź ź ś ź ź ź Ź ś Ź ś ś Ą ś ź ś ć ś ź ź ś ź ś ś śćś ś ś ś ś ś Ę ś ź ś ś ś Ą ś Ę ś ś ś ź śćś ś ś ś ś ś ś Ź Ś Ń ć ś ś ść ś ś ś Ź ś ść ś ś ś Ź ś ś śćś Ś śćś ść ś ś śćś śćś ś ść ś śś śćś ś śćś śćś ść ść ź Ń ść ś Ę ś

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest

Bardziej szczegółowo

o d ro z m ia r u /p o w y ż e j 1 0 c m d ł c m śr e d n ic y 5 a ) o ś r e d n ic y 2,5 5 c m 5 b ) o śr e d n ic y 5 c m 1 0 c m 8

o d ro z m ia r u /p o w y ż e j 1 0 c m d ł c m śr e d n ic y 5 a ) o ś r e d n ic y 2,5 5 c m 5 b ) o śr e d n ic y 5 c m 1 0 c m 8 T A B E L A O C E N Y P R O C E N T O W E J T R W A Ł E G O U S Z C Z E R B K U N A Z D R O W IU R o d z a j u s z k o d z e ń c ia ła P r o c e n t t r w a łe g o u s z c z e r b k u n a z d r o w iu

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

LABORATORIUM SYMSE Układy liniowe

LABORATORIUM SYMSE Układy liniowe Tomasz Czarck, Warszawa, 2017 LABORATORIUM SYMSE Układy low Dyskrt systmy low, zm względm przsuęca Wśród systmów prztwarzaa sygałów ważą rolę odgrywają systmy low, zm względm przsuęca. Dcyduj o tym ch

Bardziej szczegółowo

Stosowana Analiza Regresji

Stosowana Analiza Regresji prostej Stosowana Wykład I 5 Października 2011 1 / 29 prostej Przykład Dane trees - wyniki pomiarów objętości (Volume), średnicy (Girth) i wysokości (Height) pni drzew. Interesuje nas zależność (o ile

Bardziej szczegółowo

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

Bardziej szczegółowo

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ.

UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ. L.Kowls - Uwg o rozłdz uc zm losow UWAI O ROZKŁADZIE UNKCJI ZMIENNEJ LOSOWEJ. - d zm losow cągł o gęstośc. Y g g - borlows tz. g - B BR dl B BR Wzczć gęstość g zm losow Y. Jśl g - ścśl mootocz różczowl

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

ć ć ź ć ć ć Ź ź Ź ź

ć ć ź ć ć ć Ź ź Ź ź ć Ż Ż ć ć ć ź ć ć ć Ź ź Ź ź ć ź ć ź ć ź ź ź ź ź ź ź ć ć ź ć źć ć ć ć ć ć ć ć ć ć ć ź ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ć ź ć ć ć ź ć ć ć ć Ź ć ć ć Ó Ż ć ć Ź ć ć ć ć ć ć ć ć ć ć ć Ź ć ź ć ć ć ć ź ć ć ć

Bardziej szczegółowo

ś ś ż ó ś ń ż Ś ść ś ś ć Ś ć ż ó ż ś ż ś ć ż ż ó ż ś ż ż ż ś ó

ś ś ż ó ś ń ż Ś ść ś ś ć Ś ć ż ó ż ś ż ś ć ż ż ó ż ś ż ż ż ś ó ś ś ń ó ó ć ś ś ś ś ż ó ś ń ż Ś ść ś ś ć Ś ć ż ó ż ś ż ś ć ż ż ó ż ś ż ż ż ś ó ć Ą ś ś Ś ż ś ś ś ś ż ś ż ż ć ś ś ś ś ś ś ż ż ś ż ż ś ó ć ż ś ż ó ż Ń ś ż ś ś ś ś ó ć ś ś ś ć ż ó ó ń ś ś ś ó ó ń ż ó Ń ść

Bardziej szczegółowo

Statystyka Wykład 9 Adam Ćmiel A3-A4 311a

Statystyka Wykład 9 Adam Ćmiel A3-A4 311a st hpotzy owj opaty a oaz waygodośc ozważay popzdo pob tstowaa hpotzy o ówośc watośc oczwaych w popuacjach o ozładach N =... jst szczgóy pzypad pwgo ogójszgo pobu tstowaa: od: =+ gdz jst wto obswacj Uwaga:

Bardziej szczegółowo

Egzamin dla Aktuariuszy z 15 marca 2010 r. Matematyka Finansowa

Egzamin dla Aktuariuszy z 15 marca 2010 r. Matematyka Finansowa Egzm dl Akturuszy z 5 mrc 0 r. Mtmtyk Fsow Zd Krok : Ay koc roku yło co jmj ml K mus spłć rówość: 000000 50 000 K 50 000 000000 K Krok : Lczymy st kot koc roku zkłdjąc, Ŝ koc roku mmy ml 000000 50 5000

Bardziej szczegółowo

ź Ź Ź ć ć ć ź ć ć ć ć ć Ź

ź Ź Ź ć ć ć ź ć ć ć ć ć Ź ź Ź Ź ć ć ć ź ć ć ć ć ć Ź ć ć ć ć ć ć ć ć Ż ć ć ć ć ć ć ć ć ć ć ć Ż Ż ć ć ć ć ć ć ć ć Ż ć ć ć ź ć Ź ć ć ć ć ć ć ć ć ć ź ć ć ć ć ć ć ć ć ć ć ć ć ć ć Ż ć ć ć ć Ż ć ć ć ć ć ć ć ć Ż ć Ł Ś Ś ć Ą Ę ć Ę ć Ż ć

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo