EKONOMETRIA. Zastosowanie matematyki w ekonomii. Redaktor naukowy Janusz Łyko

Wielkość: px
Rozpocząć pokaz od strony:

Download "EKONOMETRIA. Zastosowanie matematyki w ekonomii. Redaktor naukowy Janusz Łyko"

Transkrypt

1 EKONOMETRIA 26 Zastosowane matematyk w ekonom Redaktor naukowy Janusz Łyko Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu Wrocław 2009

2 Sps treśc Wstęp 7 Beata Bal-Domańska, Ekonometryczna analza sgma beta konwergencj regonów Un Europejskej 9 Andrzej Bąk, Aneta Rybcka, Marcn Pełka, Modele efektów głównych modele z nterakcjam w conjont analyss z zastosowanem programu R 25 Katarzyna Budny, Kurtoza wektora losowego 44 Wktor Ejsmont, Optymalna lczebność grupy studentów 55 Kaml Fjorek, Model regresj dla cechy przyjmującej wartośc z przedzału (0,) ujęce bayesowske 66 Paweł Hanczar, Wyznaczane zapasu bezpeczeństwa w sec logstycznej 77 Roman Huptas, Metody szacowana wewnątrzdzennej sezonowośc w analze danych fnansowych pochodzących z pojedynczych transakcj 83 Aleksandra Iwancka, Wpływ zewnętrznych czynnków ryzyka na prawdopodobeństwo runy w skończonym horyzonce czasowym w weloklasowym modelu ryzyka 97 Agneszka Lpeta, Stany równowag na rynkach warunkowych 0 Krystyna Melch-Iwanek, Polsk rynek pracy w śwetle teor hsterezy 22 Rafał Pszczek, Zastosowane modelu logt w modelowanu upadłośc 33 Marcn Salamaga, Próba weryfkacj teor parytetu sły nabywczej na przykładze kursów wybranych walut 49 Anton Smoluk, O zasadze dualnośc w programowanu lnowym 60 Małgorzata Szulc-Janek, Influence of recommendatons announcements on stock prces of fuel market 70 Jacek Welc, Regresja lnowa w szacowanu fundamentalnych współczynnków Beta na przykładze spółek gełdowych z sektorów: budownctwa, nformatyk oraz spożywczego 80 Andrzej Wlkowsk, O współczynnku korelacj 9 Mrosław Wójcak, Klasyfkacja nowych technolog energetycznych ze względu na determnanty ch rozwoju 99 Andrzej Wójck, Wykorzystane model wektorowo-autoregresyjnych do modelowana gospodark Polsk 209 Katarzyna Zeug-Żebro, Rekonstrukcja przestrzen stanów na podstawe welowymarowych szeregów czasowych 29

3 6 Sps treśc Summares Beata Bal-Domańska, Econometrc analyss of sgma and beta convergence n the European Unon regons 24 Andrzej Bąk, Aneta Rybcka, Marcn Pełka, Man effects models and man and nteractons models n conjont analyss wth applcaton of R software 43 Katarzyna Budny, Kurtoss of a random vector 53 Wktor Ejsmont, Optmal class sze of students 65 Kaml Fjorek, Regresson model for data restrcted to the nterval (0,) Bayesan approach 76 Paweł Hanczar, Safety stock level calculaton n a supply chan network 82 Roman Huptas, Estmaton methods of ntraday seasonalty n transacton fnancal data analyss 96 Aleksandra Iwancka, An mpact of some outsde rsk factors on the fnte- -tme run probablty for a mult-classes rsk model 09 Agneszka Lpeta, States of contngent market equlbrum 2 Krystyna Melch-Iwanek, The Polsh labour market n lght of the hysteress theory 32 Rafał Pszczek, Logt model applcatons for bankruptcy modellng 48 Marcn Salamaga, Attempt to verfy the purchasng power party theory n the case of some foregn currences 59 Anton Smoluk, On dual prncple of lnear programmng 68 Małgorzata Szulc-Janek, Analza wpływu rekomendacj analtyków na ceny akcj branży palwowej (Analza wpływu rekomendacj analtyków na ceny akcj branży palwowej) 78 Jacek Welc, A lnear regresson n estmatng fundamental betas n the case of the stock market companes from constructon, t and food ndustres 90 Andrzej Wlkowsk, About the coeffcent of correlaton 98 Mrosław Wójcak, Classfcaton of new energy related technologes based on the determnants of ther development 208 Andrzej Wójck, Usng vector-autoregressve models to modellng economy of Poland 28 Katarzyna Zeug-Żebro, State space reconstructon from multvarate tme seres 227

4 PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU nr 76 Ekonometra Agneszka Lpeta Unwersytet Ekonomczny w Krakowe STANY RÓWNOWAGI NA RYNKACH WARUNKOWYCH Streszczene: Rozważmy dwuokresowy model ekonom wymany (contngent market) opsany w pracy M Magll M Qunz [2002] Jest to uogólnene modelu Arrowa-Debreu, w którym opsywana gospodarka sekwencyjne zmena sę w czase Rozważana ekonoma funkcjonuje w dwóch momentach czasu: teraźnejszym przyszłym, przy czym czas przyszły opsany jest stanam śwata (nterpretowanym jako zbór wszystkch możlwośc, w jakch gospodarka może znaleźć sę w przyszłośc) Zanalzowano problem jedynośc stanów równowag na rynkach warunkowych Jest to uzupełnene znanych rezultatów dotyczących problemu stnena równowag na tego typu rynkach Zaletą tej analzy jest brak konecznośc standardowych założeń o różnczkowalnośc funkcj użytecznośc poszczególnych konsumentów, co zwększa klasę relacj preferencj, które można poddać analze Słowa kluczowe: warunkowa ekonoma wymany, stan równowag, optmum Pareta, rzut ortogonalny Wstęp System ekonomczny, zwany ekonomą Debreu (zob [Debreu 959]), ze względu na swój statyczny charakter doczekał sę welu uogólneń (zob np [Radner 970; Alprants 996; Magll, Qunz 2002; Malawsk 2005; Malawsk, Woerter 2006; Moore 2007]) Rozważana w pracy [Magll, Qunz 2002] warunkowa ekonoma wymany (contngent market) jest jedną ze znanych w lteraturze modyfkacj ekonom Debreu Jest to dwuokresowy, sekwencyjny model rynku, w którym rozważa sę tylko jedno dobro We wspomnanej pracy, oprócz prezentacj modelu, omówony został także problem stnena równowag w warunkowej ekonom wymany W wększośc zaprezentowanych metod autorzy przyjmowal dodatkowe założene o różnczkowalnośc funkcj użytecznośc charakteryzujących wybory poszczególnych konsumentów Wyznaczane stanów równowag na rynkach warunkowych sprowadza sę do wyznaczena ekstremów warunkowych funkcj użytecznośc na zborach budżetowych, które muszą spełnać dodatkowo warunek równowag Funkcje użytecznośc są rzeczywstym funkcjam welu zmennych, węc do wyznaczena ekstremów można zastosować klasyczne metody analzy matematycznej programowana lnowego Jednak w nektórych przypadkach, zwłaszcza

5 Stany równowag na rynkach warunkowych gdy wymar przestrzen jest duży, napotykamy lczne przeszkody natury techncznej Dodatkowo funkcje użytecznośc w warunkowej ekonom wymany ne muszą być różnczkowalne W artykule przedstawone zostaną pewne własnośc zborów konsumpcj, zasobów, wektorów cen funkcj użytecznośc charakteryzujących warunkową ekonomę wymany, które mogą być przydatne w procesach efektywnego wyznaczana stanów równowag oraz podczas analzy problemu jedynośc stanów równowag Zaletą tych rezultatów jest brak konecznośc założeń o różnczkowalnośc funkcj użytecznośc poszczególnych konsumentów, co zwększa klasę relacj preferencj, które można poddać analze 2 Defncja warunkowej ekonom wymany Struktura dzałana S + Warunkowa ekonoma wymany funkcjonuje w dwóch okresach Okres t = 0 jest rozumany jako czas teraźnejszy, okres t = oznacza przyszłość Okres t = jest opsany przez skończony zbór {,, S} tzw stanów natury (śwata), gdze S {, 2, 3, } Lczba s {,, S} oznacza jedną z możlwośc realzacj śwata w okrese t = Okres t = 0 jest nterpretowany jako początkowy stan natury s = 0, stąd rozważa sę S + stanów śwata Obserwacja lczby jednostek jednego (ustalonego) dobra w każdym stane s = 0,,, S prowadz do defncj przestrzen towarów cen R Nech I {, 2, } oznacza skończoną lczbę konsumentów dzałających w ekonom Każdemu konsumentow ( =,, I) przyporządkowane są: zbór konsumpcj X zbór tych strumen konsumpcj posadanem jest zanteresowany konsument S+ {,, I} X R, relacja preferencj (relacja spójna, przechodna cągła) {,, I} S+ S+ R R x R S+, których Jeżel + = R S X +, to zbór X jest zborem wszystkch możlwych welkośc danego dobra dla konsumenta =,, I, w każdym stane s = 0,,, S Zakładamy też, że relacja preferencj każdego konsumenta jest reprezentowana przez spełnającą warunek slnej monoto- cągłą funkcję użytecznośc ncznośc: gdze: jeśl x, xˆ R u : R + S + + S + R : x < xˆ u x= ( x,, xs+ ), xˆ = ( xˆ,, xˆs+ ), to ( x) < u ( xˆ), ()

6 2 Agneszka Lpeta def x < xˆ [( l {,, S + }: x xˆ ) x x ] (2) W stane s = 0 konsument posada zasób 0 l l ˆ ω + R oraz (poprawne) określa s swój zasób ω w każdym stane s =,, S Zatem każdy konsument scharakteryzowany jest przez wektor zasobów początkowych 0 S ω = ( ω, ω,, ω ) X Analogczne konsument ( =,, I), wyberając strumeń konsumpcj 0 S x = ( x, x,, x ) X, określa swoją konsumpcję (lczbę jednostek danego dobra) x 0 w okrese t = 0 oraz przewduje konsumpcję w okrese t = dla każdego stanu s = 0,,, S Defncja (zob [Magll, Qunz 2002]) Dwuokresową ekonomę Ε ( u,, w której dzała I konsumentów scharakteryzowanych poprzez funkcje użytecznośc zasoby początkowe I ( u, = ( u,, u, ω,, ω ), nazywamy warunkową ekonomą wymany lub rynkem warunkowym (contngent market) Nech Ο= (0,, 0) R S + oznacza wektor zerowy w przestrzen towarów cen Defncja 2 (zob [Magll, Qunz 2002]) Alokacją w ekonom Euω (, ) nazywamy wektor I + x = ( x,, x ), gdze wektor x R S jest strumenem konsumpcj każdego konsumenta =,, I Alokację stępną lub dopuszczalną, jeżel {,, I}: x X oraz ( x ω ) Ο = I I x = ( x,, x ) nazywamy do- I Zbór wszystkch dostępnych alokacj oznaczamy przez ( S+ ) I I + = F = { x R : ( x ω ) Ο)} Zauważmy że zbór F zależy tylko od postac całkowtego zasobu

7 Stany równowag na rynkach warunkowych 3 ekonom Ε ( u, I ϖ = ω (3) = I Defncja 3 (zob [Magll, Qunz 2002]) Alokację xˆ = ( xˆ,, xˆ ) nazywamy optmum Pareta w warunkowej ekonom wymany Ε ( u,, jeżel: oraz xˆ F ~ ( x F:[( {,, I}: u ( x) u ( xˆ)) ( {,, I}: u ( x) > u ( xˆ))]) 0 Defncja 4 (zob [Magll, Qunz 2002]) Kontraktem warunkowym w ekonom Ε ( u, nazywamy obetncę dostarczena jednej jednostk rozważanego dobra w każdym stane s = 0,,, S Warunkowym wektorem cen (contngent p s S + market prce) nazywamy wektor p= ( p0, p,, p S ) R, gdze p s ( s = 0,, S) jest zdyskontowaną (zaktualzowaną na okres t = 0 ) ceną jednej jednostk dobra w stane s, płaconą w okrese t = 0 W powyższej defncj oznacza lczbę ustalonych arbtralne jednostek penężnych Każdy konsument dzałający na rynku warunkowym ma możlwość realokacj swoch zasobów W tym momence pojawają sę naturalne pytana: czy stneją w zborach budżetowych każdego konsumenta strumene konsumpcj preferowane bardzej nż zasoby początkowe ω ( =,, I) oraz co motywuje konsumen- tów do realokacj swoch zasobów Kluczem do odpowedz na te dwa pytana jest I rozstrzygnęce, czy zasoby ω,, ω tworzą z danym wektorem cen stan równowag w warunkowej ekonom wymany Jeśl tak, to konsumenc ne mają motywacj do realokacj zasobów, jeśl ne, to motywuje ch to do dzałana Warunkowa ekonoma wymany Ε ( u, dzała w następujący sposób W okrese t = 0 konsument może sprzedać swój zasób początkowy ω względem warunkowego wektora cen p = ( p0, p,, p S ), otrzymując dochód w wysokośc: S s s s= 0 w = p ω = p ω (4) Konsument może zakupć strumeń konsumpcj którego wartość ne przekracza jego dochodu, tzn S+ = 0 R x ( x, x,, x S ),

8 4 Agneszka Lpeta S s= 0 s s p x w Założene monotoncznośc funkcj użytecznośc prowadz do analogcznej własnośc monotoncznośc relacj preferencj każdego konsumenta : x, x X : x < x x nterpretowanej jako m węcej, tym lepej Zgodne z tą nterpretacją warunkowy zbór budżetowy konsumenta względem warunkowego wektora cen p R S + (contngent market budget set) zdefnowany jako x jest postac def S+ Β ( p, ω ) = { x R : p x p ω } S + Β ( p, ω ) = { x R : p x = p ω = w} (5) Zauważmy, że konsument w przypadku podjęca decyzj o realokacj wydaje cały swój dochód w z warunku (4) na zakup strumena konsumpcj x Warunkowa ekonoma wymany dzała prawdłowo, jeżel każdy konsument ma możlwość sprzedaży zakupu takej lośc dobra, le chce, o le tylko ne wpływa to na zmanę ceny tego dobra Zatem wymana na rynkach warunkowych mus być oparta na pewnych regułach, które gwarantują jej prawdłowe funkcjonowane które są przestrzegane przez wszystkch uczestnków rynku Zakłada sę, że: wszystke umowy handlowe są zawerane w okrese t = 0, ceny kontraktów w różnych stanach są merzone w tych samych, ustalonych w okrese t = 0 jednostkach penężnych, stneje wolny od opłat ze strony konsumentów montorng rynku, ne ma możlwośc renegocjowana cen kontraktów w okrese t = Defncja 5 (zob [Magll, Qunz 2002]) Warunkowym stanem równowag (contngent market equlbrum) w ekonom Ε ( u, z jednym dobrem nazywamy parę ( x, p ) R ( S+ ) I ( S+ ) + R+ złożoną z alokacj x warunkowego wektora cen p taką, że {,, I}: x arg max{ u ( x ) : x Β( p, ω )} oraz I = ( x ω ) =Ο

9 Stany równowag na rynkach warunkowych 5 Zauważmy, że warunkowy stan równowag jest stanem równowag konkurencyjnej na rynku, w którym konsumenc są borcam cen, tzn każdy konsument kupuje tyle, le chce, ne ma to wpływu na zmanę ceny towaru p s w każdym stane s 0,,, S Zatem, przy założenu slnej monotoncznośc relacj preferencj, problem maksymalzacj użytecznośc na zborach budżetowych ma rozwązane, jeśl ceny towaru w każdym stane są dodatne, tzn rozważane dobro ne jest dobrem wolnym w żadnym stane Spostrzeżene to formalzuje następujące twerdzene: Twerdzene (o braku wolnych kontraktów na rynkach warunkowych) (zob [Magll, Qunz 2002]) W ekonom Ε ( u, następujące warunk są równoważne: para p ( x, p ) jest warunkowym stanem równowag w tej ekonom, S + R ++, zbór Β ( p, ω ) jest zwarty dla każdego {,, I} Twerdzene 2 (zob [Magll, Qunz 2002]) Nech Ε ( u, będze warunkową ekonomą wymany Jeżel para ( x, p ) jest warunkowym stanem równowag w tej ekonom, to alokacja x jest optmum Pareta Jeżel ekonoma Ε ( u, jest w stane równowag, to żaden konsument ne ma motywacj do realokacj swoch zasobów Każdy stan dopuszczalny (zob defncję 2), który ne jest stanem równowag, będze prowokował kolejne realokacje zasobów do momentu uzyskana stanu równowag Zauważmy na konec tej częśc pracy, że kontrakty warunkowe, zdefnowane w defncj 4, mogą być wykorzystane np do modelowana kontraktów ubezpeczenowych, przy czym stany natury zawerają różne rodzaje ryzyka, od którego ubezpecza sę konsument Może to być ubezpeczene od pożaru, kradzeży, wypadku samochodowego, choroby, kalectwa, śmerc nnych stanów nepewnośc, na wypadek zajśca których zwykle dokonuje sę ubezpeczeń 3 Główne rezultaty Kedy został już rozstrzygnęty problem stnena równowag na rynkach warunkowych, pojawają sę kolejne problemy: jak wygląda stan równowag na rynkach warunkowych, czy jest on jedyny jakch użyć metod, aby go wyznaczyć Jeśl funkcje użytecznośc są klasy C 2, to najprostszą metodą, za pomocą której można wyznaczyć stan równowag przy danym wektorze cen, jest metoda mnożnków Lagrange a Jeżel natomast zakładamy tylko cągłość funkcj użytecznośc (bez zakładana różnczkowalnośc), pozostają metody programowana lnowego W tej sytuacj przydatne są wszystke nformacje, które uproścłyby procesy optymalzacyjne

10 6 Agneszka Lpeta Nech Ε( u, będze warunkową ekonomą wymany (zob defncję ), w której para ( x, p ) jest warunkowym stanem równowag oraz wektor ϖ S jest całkowtym zasobem (zob (3)) Zauważmy, z twerdzena, że są dodatne) W tej sytuacj zachodz na- (tzn wszystke współrzędne wektora stępujące twerdzene: p + R + + R S ++ Twerdzene 3 Istneje warunkowa ekonoma wymany Ε( u, ˆ, różnąca sę od ekonom Ε ( u, tylko wektoram zasobów początkowych, w której stneje stan równowag postac ( x, p ) oraz całkowte zasoby w obu ekonomach są take same, tzn I I ϖ = ω + + ω = ˆ ω + + ˆ ω Ponadto wektory zasobów początkowych wszystkch konsumentów w ekonom Ε ( u, ˆ) ω zawerają sę w podprzestrzen wektorowej przestrzen R S+ wymaru p Dowód Zauważmy najperw, że jeśl p + R S ++ S + +, oraz ϖ R to p ϖ 0 Warunkowy wektor cen p ndukuje przekształcene lnowe postac Nech Q : R S+ R S+ S + p : R x p x R będze odwzorowanem danym przepsem p ( x) Qx ( ) = ϖ p ( ϖ ) (6) Oznaczmy ˆ ω = Q( ω ) dla =,, I Wtedy dla dowolnego x R S + ( ) Q x p = x p Z warunku (7) wynka, że zbory budżetowe względem warunkowego wektora cen p w ekonomach Ε ( u, oraz Ε ( u, ˆ są take same Skoro relacje preferencj dla każdego konsumenta są równeż te same, to wektory maksymalzujące użytecznośc na zborach budżetowych poszczególnych konsumentów w ekonom Ε ( u, maksymalzują użytecznośc na zborach budżetowych w ekonom (7)

11 Stany równowag na rynkach warunkowych 7 Ε ( u, ˆ Z defncj odwzorowana Q (zob (6)) wynka, że wektory ˆ ω,, ˆI ω są zawarte w jednowymarowej podprzestrzen generowanej przez wektor całkowtych zasobówϖ (zob (3)) Zauważmy, z warunku (7), że lnowe odwzorowane Q (zob (6)) jest rzutem ortogonalnym na jednowymarową podprzestrzeń generowaną przez wektor ϖ Z twerdzena 3 wynka, że jeśl {,, I}: ˆ ω ω, to stneją przynajmnej dwe różne alokacje zasobów wszystkch konsumentów, które przy danym wektorze cen danych funkcjach użytecznośc dają ten sam stan równowag Ekonoma Ε ( u, ˆ ma charakter pomocnczy Do procesów optymalzacyjnych, zamast danych zasobów I ω,, ω poszczególnych konsumentów, można użyć ch rzutów ortogonalnych na prostą generowaną przez wektor produkcj całkowtej (3) Zajmemy sę teraz sytuacją, kedy wybory każdego konsumenta ogranczają sę do mnejszego zboru nż Wówczas prawdzwe jest twerdzene R S + + V Twerdzene 4 Jeśl stneje podprzestrzeń wektorowa S R {Ο} taka, że + + {,, I}: X V, V R S +, (8) to stneje wektor cen p ˆ V tak, że para ( x, pˆ ) jest warunkowym stanem równowag w ekonom Ε ( u, + Dowód Zauważmy, że jeśl R S S + V oraz V R, to dmv < S + Oznaczmy k = S + dmv ( k {, 2,, S}) Wtedy stneją wektory h,, h k S + l l l R, ( h = ( h 0,, h S ), l {,, k}) take, że gdze funkcjonały k ker l V = h, = h x x h x h x l S l l : R + ( 0,, S) S l są lnowe cągłe dla każdego l {,, k} S k Ustalmy bazę ( v,, v + ) w przestrzen V Nech wektory k S q,, q R + będą wyznaczone z warunków: S R

12 8 Agneszka Lpeta h ( q ) = δ n j v ( q ) = 0 l j l, j dla l, j {,, k}, n (,, S + k) Wówczas wektor ˆp spełna tezę twerdzena postac: k l ) q l l= p ˆ = p h ( p Z twerdzena 4 wynka, że w sytuacj, gdy wybory konsumentów są ogranczone do pewnej podprzestrzen wektorowej V R S, gdze dmv = S + k, k {,, S}, to problem wyznaczena warunkowego wektora cen równowag + można zawęzć do podprzestrzen V, co w procesach optymalzacyjnych pozwala na wyelmnowane k zmennych z warunków budżetowych dzedzny funkcj użytecznośc Zauważmy, że w przypadku założena (7) dana alokacja x, która daje stan równowag w całej ekonom z pewnym wektorem cen, tworzy też stan równowag z pewnym wektorem cen z podprzestrzen V Wnosek Nech Ε ( u, będze warunkową ekonom wymany, w której {,, I} : X V oraz p V Wtedy w ekonom tej stneją przynajmnej dwa stany równowag, a zbory budżetowe przy cenach p oraz ˆp są dentyczne Wnosek 2 Z twerdzena wynka, że pˆ + R S ++ oraz pˆ p, (9) gdze norma jest zadana przez loczyn skalarny Zatem jeśl nerówność w warunku (9) jest ostra, to wektor cen ˆp jest korzystnejszym z punktu wdzena konsumentów warunkowym wektorem cen równowag S + Rozważmy teraz sytuację, w której, przy danym wektorze cen p R ++, stneją w ekonom Ε ( u, co najmnej dwa różne ( x, p ),( xˆ, p ) stany równowag, gdze ( S+ ) I ˆ x, xˆ R, x x Nech I ( S+ ) I R( p ) = { x = ( x,, x ) R :

13 Stany równowag na rynkach warunkowych 9 I {,, I}: u ( x ) = max{ u ( x ) : x Β( p, ω )} x + + x = ϖ (0) będze zborem tych dostępnych alokacj (zob defncje 2 oraz 5), które wraz z wektorem p tworzą stan równowag w warunkowej ekonom wymany Ε ( u, Uwaga Wektory x, ˆx R( p ) są neporównywalne względem relacj " < " R S + R S + (zob ()) Ponadto {,, I}: (( x xˆ ) p ) oraz S+ {,, I}: x xˆ R ++ ( S+ ) I Dowód Przypuśćmy, że wektory x, ˆx R są porównywalne względem relacj " < " R R, np x xˆ > 0 S + S + Wtedy {,, I}: x xˆ oraz {,, I}: x < xˆ Z założena monotoncznośc relacj preferencj otrzymamy {,, I} : u ( x ) u ( xˆ ) oraz {,, I}: u ( x ) < u ( xˆ ), co znaczyłoby, że para ( x, p ) ne jest warunkowym stanem równowag w ekonom Ε ( u, Nech =,, I Wtedy (zob (4)) w = p x = p xˆ, co w konsekwencj oznacza dla każdego =,, I prostopadłość wektorów ( x xˆ ) oraz p Gdyby to ) ne jest warunkowym stanem równowag w eko- co znaczyłoby, że para ( xˆ nom Ε ( u, {,, I}: x xˆ R,, p S+ ++ x xˆ > 0, Uwaga 2 Jeżel w warunkowej ekonom wymany Ε ( u, funkcje użytecznośc wszystkch konsumentów są slne wypukłe, to przy danym wektorze cen stneje co najwyżej jeden stan równowag Dowód Slna wypukłość relacj preferencj oznacza, że x, xˆ X :[( u ( x ) = u ( xˆ )) t (0,) : ( u ( x ) < u ( tx + ( t) xˆ ))]

14 20 Gdyby w ekonom stnały dwa różne stany równowag ( x, p Agneszka Lpeta ),( xˆ, p ), to {,, I}: x x ˆ Z slnej wypukłośc wynkałoby węc, że Wektor postac t (0,) : u ( x ) < u ( tx + ( t) xˆ ) tx + ( t) x ˆ leżący w zborze budżetowym byłby bardzej preferowany nż wektor x, co prowadz do sprzecznośc Na konec artykułu zostane podane twerdzene charakteryzujące zbór stanów równowag w warunkowej ekonom wymany przy danym wektorze cen S + p R ++ Nech Ε( u, będze warunkową ekonomą wymany (zob defncję ), ( w której para x, p ) jest warunkowym stanem równowag (zob defncję 5 + twerdzene ), wektor ϖ R S + jest całkowtym zasobem (zob (3)), a zbór R( p ) jest wyznaczony z warunku (0) Wówczas prawdzwe jest twerdzene Twerdzene 5 Nech X = { x X : u ( x ) = max{ u ( x ): x Β ( p, ω )}} dla {, 2,, I} oraz 2 I 2 I 2 I S+ f : X X X ( x, x,, x ) x + x + + x R () Wtedy x R( p ) x f ( ϖ ) (2) oraz zbór f ( ϖ ) jest zwarty Dowód Zauważmy, że nepustość zborów X dla,, = I wynka z faktu, S+ I R ( ) ż względem wektora cen p stneje stan równowag w ekonom Ε ( u, Postać odwzorowana f z warunku () oraz warunek (2) są konsekwencją defncj 5 Odnotujmy, że odwzorowane f jest cągłe Zatem zbór f ( ϖ ) jako przecwobraz zboru domknętego jest zborem domknętym w przestrzen Ponadto f ( ϖ ) Β ( p, ω ) Β ( p, ω ), I

15 Stany równowag na rynkach warunkowych 2 gdze zbory budżetowe Β( p, ω ) dla =,, I są zwarte (zob twerdzene ) Z twerdzena Tchonowa (zob [Engelkng 975]) wynka, że loczyn kartezjańsk S+ I zborów budżetowych będze zborem zwartym w przestrzen R ( ) Domknęty podzbór zboru zwartego jest równeż zwarty, co daje tezę twerdzena 4 Podsumowane Nektóre zaprezentowane w artykule fakty (twerdzena 3 5) mogą być pomocne (przez redukcję pewnej lczby zmennych) podczas efektywnego wyznaczana stanów równowag w warunkowej ekonom wymany Inne zaś (twerdzene 4, uwaga 2) opsują sytuację, kedy w tej ekonom stneje węcej nż jeden stan równowag Do całoścowej analzy problemu jedynośc stanu równowag na rynku warunkowym potrzebna jest jeszcze wedza na temat postac funkcj użytecznośc poszczególnych konsumentów Pewną charakterystykę zboru stanów równowag w warunkowej ekonom wymany daje twerdzene 5 Lteratura Alprants CD, Problems n Equlbrum Theory, Sprnger-Verlag Berln-Hedelberg, Germany 996 Debreu G, Theory of Value, Wley, New York 959 Engelkng R, Topologa ogólna, PWN, Warszawa 975 Magll M, Qunz M, Theory of Incomplete Markets, MIT Press, Cambrdge 2002 Malawsk A, A Dynamcal System Approach to the Arrow Debreu theory of General Equlbrum, The 9-th World Mult-Conference on Systemcs, Cybernetcs, and Informatcs, Proceedng 2005, July 0-3, Orlando, Florda, USA, Vol VII, 2005 Malawsk A, Woerter M, Dversty Structure of the Schumpeteran Evoluton An Axomatc Approach, Arbetspapere/Workng Papers of the Swss Insttute for Busness Cycle Research, No 53, Zurch 2006 Moore JC, General Equlbrum and Welfare Economcs, Sprnger, Berln 2007 Radner R, Exstence of Equlbrum of Plans, Prces and Prce Expectatons n a Sequence of Markets, Econometrca 970 vol 40 STATES OF CONTINGENT MARKET EQUILIBRIUM Summary: Let Ε ( u, be the contngent market studed n [Magll M, Qunz M, Theory of Incomplete Markets, MIT Press, Cambrdge, 2002] The am of ths paper s the presentaton of some propertes of consumpton sets, utlty functons and total endowments whch may be useful n the characterzaton of the sets of states of equlbrum and n the effectve calculaton of the states of equlbrum on the contngent market

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

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

p Z(G). (G : Z({x i })),

p Z(G). (G : Z({x i })), 3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W

Bardziej szczegółowo

EKONOMETRIA. Zastosowanie matematyki w ekonomii. Redaktor naukowy Janusz Łyko

EKONOMETRIA. Zastosowanie matematyki w ekonomii. Redaktor naukowy Janusz Łyko EKONOMETRIA 26 Zastosowane matematyk w ekonom Redaktor naukowy Janusz Łyko Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu Wrocław 2009 Sps treśc Wstęp... 7 Beata Bal-Domańska, Ekonometryczna analza sgma

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

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

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

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

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego. RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu

Bardziej szczegółowo

EKONOMETRIA. Zastosowanie matematyki w ekonomii. Redaktor naukowy Janusz Łyko

EKONOMETRIA. Zastosowanie matematyki w ekonomii. Redaktor naukowy Janusz Łyko EKONOMETRIA 26 Zastosowanie matematyki w ekonomii Redaktor naukowy Janusz Łyko Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2009 Spis treści Wstęp... 7 Beata Bal-Domańska, Ekonometryczna

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO NA PODSTAWIE REFERATU JUSTYNY KOSAKOWSKIEJ. Moduły prnjektywne posety skończonego typu prnjektywnego Nech I będze skończonym posetem. Przez max

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

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

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

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

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

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

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

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

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

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

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

Prawdopodobieństwo geometryczne Prawdopodobeństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźne wypełna wnętrze kwadratu [0 x ; 0 y ]. Znajdź p-stwo, że dowolny punkt

Bardziej szczegółowo

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene

Bardziej szczegółowo

x, y R n, czyli x, y = x i, y i. Przez x oznaczamy tzw. normę taksówkową wektora x i. Jeżeli a jest skalarem, to a 0 oznacza, że a = 0 lub a > 0.

x, y R n, czyli x, y = x i, y i. Przez x oznaczamy tzw. normę taksówkową wektora x i. Jeżeli a jest skalarem, to a 0 oznacza, że a = 0 lub a > 0. PRZEGLĄD STATYSTYCZNY R. LVIII ZESZYT 1-2 2011 EMIL PANEK O PEWNEJ PROSTEJ WERSJI SŁABEGO TWIERDZENIA O MAGISTRALI W MODELU VON NEUMANNA 1. WSTĘP Model J. von Neumanna po raz perwszy został opublkowany

Bardziej szczegółowo

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnena dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dorota-colek/ dorota.colek@ug.edu.pl 1 Wpływ skalowana danych na MNK

Bardziej szczegółowo

Państwowa Wyższa Szkoła Zawodowa w Raciborzu

Państwowa Wyższa Szkoła Zawodowa w Raciborzu Państwowa Wyższa Szkoła Zawodowa w Racborzu KARTA PRZEDMIOTU 1. Nazwa przedmotu: Termnologa ekonomczna prawncza 2. Kod przedmotu: FGB-23 3. Okres ważnośc karty: 2015-2018 4. Forma kształcena: studa perwszego

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI

ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI Krzysztof Wsńsk Katedra Statystyk Matematycznej, AR w Szczecne e-mal: kwsnsk@e-ar.pl ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI Streszczene: W artykule omówono metodologę modelu MOTAD pod kątem

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

V. TERMODYNAMIKA KLASYCZNA

V. TERMODYNAMIKA KLASYCZNA 46. ERMODYNAMIKA KLASYCZNA. ERMODYNAMIKA KLASYCZNA ermodynamka jako nauka powstała w XIX w. Prawa termodynamk są wynkem obserwacj welu rzeczywstych procesów- są to prawa fenomenologczne modelu rzeczywstośc..

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

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

Bardziej szczegółowo

Równania rekurencyjne na dziedzinach

Równania rekurencyjne na dziedzinach Marek Materzok Równana rekurencyjne na dzedznach Pommo, ż poczynłem starana, aby praca ta była możlwe kompletna wolna od błędów, ne mogę zagwarantować, że ne wkradły sę do nej żadne neścsłośc czy pomyłk.

Bardziej szczegółowo

Arytmetyka finansowa Wykład z dnia 30.04.2013

Arytmetyka finansowa Wykład z dnia 30.04.2013 Arytmetyka fnansowa Wykła z na 30042013 Wesław Krakowak W tym rozzale bęzemy baać wartość aktualną rent pewnych, W szczególnośc, wartość obecną renty, a równeż wartość końcową Do wartośc końcowej renty

Bardziej szczegółowo

Mikroekonometria 15. Mikołaj Czajkowski Wiktor Budziński

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

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ   Autor: Joanna Wójcik Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

Podstawowe twierdzenia

Podstawowe twierdzenia Rozdzał 3 Podstawowe twerdzena 3.1 Istnene rozwazań lokalnych Rozpocznjmy od odpowedz na ogólne pytane: jake warunk mus spełnać równane różnczkowe zwyczajne, aby stnało jego rozwązane kedy rozwązane to

Bardziej szczegółowo

Badanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja

Badanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja Jacek Batóg Unwersytet Szczecńsk Badane optymalnego pozomu kaptału zatrudnena w polskch przedsęborstwach - ocena klasyfkacja Prowadząc dzałalność gospodarczą przedsęborstwa kerują sę jedną z dwóch zasad

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

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

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Grzegorz PRZEKOTA ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Zarys treśc: W pracy podjęto problem dentyfkacj cykl gełdowych.

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Analiza ryzyka jako instrument zarządzania środowiskiem

Analiza ryzyka jako instrument zarządzania środowiskiem WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument

Bardziej szczegółowo

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010 EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra

Bardziej szczegółowo

Odtworzenie wywodu metodą wstępującą (bottom up)

Odtworzenie wywodu metodą wstępującą (bottom up) Przeglądane wejśca od lewej strony do prawej L (k) Odtwarzane wywodu prawostronnego Wystarcza znajomosc "k" następnych symbol łańcucha wejścowego hstor dotychczasowych redukcj, aby wyznaczyc jednoznaczne

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach

Bardziej szczegółowo

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH SCRIPTA COMENIANA LESNENSIA PWSZ m. J. A. Komeńskego w Leszne R o k 0 0 8, n r 6 TOMASZ ŚWIST* WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

Bardziej szczegółowo

INDUKCJA ELEKTROMAGNETYCZNA. - Prąd powstający w wyniku indukcji elektro-magnetycznej.

INDUKCJA ELEKTROMAGNETYCZNA. - Prąd powstający w wyniku indukcji elektro-magnetycznej. INDUKCJA ELEKTROMAGNETYCZNA Indukcja - elektromagnetyczna Powstawane prądu elektrycznego w zamknętym, przewodzącym obwodze na skutek zmany strumena ndukcj magnetycznej przez powerzchnę ogranczoną tym obwodem.

Bardziej szczegółowo

MIARY ZALEŻNOŚCI ANALIZA STATYSTYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU METALI NIEŻELAZNYCH

MIARY ZALEŻNOŚCI ANALIZA STATYSTYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU METALI NIEŻELAZNYCH Domnk Krężołek Unwersytet Ekonomczny w Katowcach MIARY ZALEŻNOŚCI ANALIZA AYYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU MEALI NIEŻELAZNYCH Wprowadzene zereg czasowe obserwowane na rynkach kaptałowych

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

Regulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej

Regulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej Łukasz Goczek * Regulacje sądownctwo przeszkody w konkurencj mędzy frmam w Europe Środkowej Wschodnej Wstęp Celem artykułu jest analza przeszkód dla konkurencj pomędzy frmam w Europe Środkowej Wschodnej.

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl

Bardziej szczegółowo

Zadanie 1. Udowodnij, że CAUS PRAM. Załóżmy przetwarzanie przyczynowo spójne. Dla każdego obrazu historii hv i zachodzi zatem:

Zadanie 1. Udowodnij, że CAUS PRAM. Załóżmy przetwarzanie przyczynowo spójne. Dla każdego obrazu historii hv i zachodzi zatem: Zadane 1 Udowodnj, że CAUS PRAM Załóżmy przetwarzane przyczynowo spójne. Dla każdego obrazu hstor hv zachodz zatem: O OW O OW x X p j o O o1 o2 o1 o2 o1 j o2 ( o1 = w( x) v o2 = r( x) v) o1 o2 ( o1 o o2)

Bardziej szczegółowo

Ocena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak

Ocena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak Ocena jakoścowo-cenowych strateg konkurowana w polskm handlu produktam rolno-spożywczym dr Iwona Szczepanak Ekonomczne, społeczne nstytucjonalne czynnk wzrostu w sektorze rolno-spożywczym w Europe Cechocnek,

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających

Bardziej szczegółowo

Programowanie Równoległe i Rozproszone

Programowanie Równoległe i Rozproszone Programowane Równoległe Rozproszone Wykład Programowane Równoległe Rozproszone Lucjan Stapp Wydzał Matematyk Nauk Informacyjnych Poltechnka Warszawska (l.stapp@mn.pw.edu.pl) /38 PRR Wykład Chcemy rozwązać

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Proko roko@sgh.waw.l Statyka dynamka olgoolstyczne struktury rynku. Modele krótkookresowe konkurenc cenowe w olgoolu.. Model ogranczonych mocy rodukcynych ako wyaśnene

Bardziej szczegółowo

D Archiwum Prac Dyplomowych - Instrukcja dla opiekunów/promotorów/recenzentów

D Archiwum Prac Dyplomowych - Instrukcja dla opiekunów/promotorów/recenzentów D Archwum Prac Dyplomowych - Instrukcja dla opekunów/promotorów/recenzentów Kraków 13.01.2016 r. Procedura Archwzacj Prac Dyplomowych jest realzowana zgodne z zarządzenem nr 71/2015 Rektora Unwersytetu

Bardziej szczegółowo

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch

Bardziej szczegółowo

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli) Model odstawowe założena modelu: ceny płace mogą ulegać zmanom (w odróżnenu od poprzedno omawanych model) punktem odnesena analzy jest obserwacja pozomu produkcj cen (a ne stopy procentowej jak w modelu

Bardziej szczegółowo

METODA ELEMENTU SKOŃCZONEGO. Termokinetyka

METODA ELEMENTU SKOŃCZONEGO. Termokinetyka METODA ELEMENTU SKOŃCZONEGO Termoknetyka Matematyczny ops ruchu cepła (1) Zasada zachowana energ W a Cepło akumulowane, [J] P we Moc wejścowa, [W] P wy Moc wyjścowa, [W] t przedzał czasu, [s] V q S(V)

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

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

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

ROZDZIAŁ 3 INTERPRETACJA PARADOKSU ALLAISA ZA POMOCĄ MODELU KONFIGURALNIE WAŻONEJ UŻYTECZNOŚCI

ROZDZIAŁ 3 INTERPRETACJA PARADOKSU ALLAISA ZA POMOCĄ MODELU KONFIGURALNIE WAŻONEJ UŻYTECZNOŚCI Elżbeta Babula Anna Blajer-Gołębewska ROZDZIAŁ 3 INTERPRETACJA PARADOKSU ALLAISA ZA POMOCĄ MODELU KONFIGURALNIE WAŻONEJ UŻYTECZNOŚCI Wprowadzene Jednym z podstawowych założeń ekonom jest postulat racjonalnośc

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311 Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

CAPM i APT. Ekonometria finansowa

CAPM i APT. Ekonometria finansowa CAPM APT Ekonometra fnansowa 1 Lteratura Elton, Gruber, Brown, Goetzmann (2007) Modern portfolo theory and nvestment analyss, John Wley and Sons. (rozdz. 13-16 [, 5, 7]) Campbell, Lo, MacKnlay (1997) The

Bardziej szczegółowo

Regulamin promocji 14 wiosna

Regulamin promocji 14 wiosna promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30

Bardziej szczegółowo

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Natalia Nehrebecka Stanisław Cichocki. Wykład 10 Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane

Bardziej szczegółowo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej

Bardziej szczegółowo

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 10 Mkołaj Czajkowsk Wktor Budzńsk Jak analzować dane o charakterze uporządkowanym? Dane o charakterze uporządkowanym Wybór jednej z welkośc na uporządkowanej skal Skala ne ma nterpretacj

Bardziej szczegółowo

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

Triopol jako gra konkurencyjna i kooperacyjna

Triopol jako gra konkurencyjna i kooperacyjna Unwersytet Warszawsk Wydzał Nauk Ekonomcznych Joanna Dys Nr albumu: 996 Tropol jako gra konkurencyjna kooperacyjna Praca lcencjacka na kerunku: Ekonoma Praca wykonana pod kerunkem dra Maceja Sobolewskego

Bardziej szczegółowo

ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO

ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Artur Zaborsk Unwersytet Ekonomczny we Wrocławu ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Wprowadzene Od ukazana

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2007/08 Podstawowe fakty Równane Ax = b, x, b R N, A R N N (1) ma jednoznaczne

Bardziej szczegółowo

Regulamin promocji zimowa piętnastka

Regulamin promocji zimowa piętnastka zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna

Bardziej szczegółowo