Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Podobne dokumenty
Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 3

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

Ntli Natalia Nehrebecka. Dariusz Szymański. Zajęcia 4

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

0. Oszacowanie kilku prostych regresji, interpretacja oszacować parametrów

65120/ / / /200

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Natalia Nehrebecka. Wykład 2

Statystyka. Zmienne losowe

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Opis danych znajdujących się w zbiorze

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

IID = 2. i i i i. x nx nx nx

Parametry zmiennej losowej

Natalia Nehrebecka Stanisław Cichocki. Wykład 6

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

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

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

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

Statystyka Inżynierska

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Proces narodzin i śmierci

Analiza struktury zbiorowości statystycznej

Weryfikacja hipotez dla wielu populacji

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

Natalia Nehrebecka. Dariusz Szymański

Funkcje i charakterystyki zmiennych losowych

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

dy dx stąd w przybliżeniu: y

Dobór zmiennych objaśniających

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. Strona 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BRYŁY SZTYWNEJ

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

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

EKONOMETRIA Wykład 5: Zmienne zerojedynkowe w modelowaniu ekonometrycznym

Analiza danych OGÓLNY SCHEMAT. Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Prawdopodobieństwo i statystyka r.

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

Procedura normalizacji


Pattern Classification

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

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

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

Makroekonomia Gospodarki Otwartej Wykład 8 Polityka makroekonomiczna w gospodarce otwartej. Model Mundella-Fleminga

Definicje ogólne

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

Ekonometria ćwiczenia Kolokwium 1 semestr 20/12/08. / 5 pkt. / 5 pkt. / 5 pkt. / 5 pkt. /20 pkt. Regulamin i informacje dodatkowe

Proste modele ze złożonym zachowaniem czyli o chaosie

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha Warszawa Dnia 03 czerwca 2009 r.

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

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2

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

Model ISLM. Inwestycje - w modelu ISLM przyjmujemy, że inwestycje przyjmują postać funkcji liniowej:

Zaawansowane metody numeryczne

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

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Ekonometryczne modele nieliniowe

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Trzecie laboratoria komputerowe ze Staty Testy

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

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

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

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany

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

STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW

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

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

STRUKTURA BEZROBOCIA REJESTROWANEGO W WOJEWÓDZTWIE ŁÓDZKIM I PODKARPACKIM A ZMIANY NA RYNKU TOWAROWYM. 1. Wprowadzenie

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

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

STATYSTYKA MATEMATYCZNA

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

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

OGÓLNE PODSTAWY SPEKTROSKOPII

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Diagonalizacja macierzy kwadratowej

Regresja liniowa i nieliniowa

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych

8. Optymalizacja decyzji inwestycyjnych

Matematyka ubezpieczeń majątkowych r.



Transkrypt:

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 zmennych dyskretnych

Zmenne Zmenne cągłe Zmenne dyskretne

Zmenną cągłą nazywamy zmenną, która przyjmuje wartośc ze zboru lczb rzeczywstych. Zmenne cągłe są zmennym posadającym charakter loścowy Np. dochody, wydatk, cena neruchomośc td.

Zmenną dyskretną nazywamy zmenną, która przyjmuje wartośc ze skończonego podzboru lczb naturalnych. Zazwyczaj podzbór ten jest stosunkowo mało lczny obejmuje klka czy klkanaśce elementów. Zmenne dyskretne są zmennym posadającym charakter jakoścowy. np. płeć, wykształcene, mejsce zameszkana, stan cywlny td.

1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych

Zmenną zero-jedynkową nazywamy zmenną, która przyjmuje tylko dwe wartośc: 0 lub 1 płeć: 1 kobeta, 0 mężczyzna praca: 1 pracujący, 0 nepracujący obecność dzec: 1 ne, 0 tak Uwaga! Ważne jest, że zmenna przyjmuje dwe wartośc, ne ma znaczena ch welkość.

Nech D będze zmenną zero-jedynkową: Dla D =1 model ma postać: Dla D j =0 model ma postać: Zatem pozombazowy pozombadany 0 1 D K K D X X y... 2 2 1 K K X X y... 2 2 1 j Kj K j j X X y... 2 2 1 ) ( ) ( j y y

Wnosek: Welkość można nterpretować jako zmanę oczekwanej wartośc y, jeśl D zmen sę z 0 na 1, przy założenu pozostałych charakterystyk na nezmenonym pozome.

Y X X D 1 2 2... K K Y b b X b X D ˆ 1 2 2... K K współczynnk przy zmennej 0-1 INTERPRETACJA: wartość zmennej zależnej y dla pozomu zmennej 0-1 D=1 jest: - wększa (jeżel ˆ >0) o ˆ jednostek lub - mnejsza (jeżel ˆ <0) o ˆ jednostek nż wartość zmennej zależnej y dla pozomu zmennej 0-1 D=0 (dla pozomu bazowego)

placa 1 2 plec placa 926,1503,59 plec Zmenna 1 plec 0 jesl jesl kobeta mezczyzna Interpretacja: Oczekwany pozom płac kobet jest średno o 503, 59 złotego nższy nż dla mężczyzn, przy założenu pozostałych charakterystyk na nezmenonym pozome.

placa sex 1 2 placa 422,51 503,59 sex Zmenna sex 1 jesl mezczyzna 0 jesl kobeta Interpretacja: Oczekwany pozom płac mężczyzn jest średno o 503, 59 złotego wyższy nż dla kobet, przy założenu pozostałych charakterystyk na nezmenonym pozome.

ln Y x... x D 1 2 2 K K Wnosek: Welkość (przemnożoną przez 100%) można nterpretować jako procentową zmanę oczekwanej wartośc zmennej zależnej y, jeśl D zmen sę z 0 na 1.

ln( placa ) 1 2 plec ln( placa ) 7,67 0, 17 plec Zmenna 1 plec 0 jesl jesl kobeta mezczyzna Interpretacja: Oczekwany pozom płac kobet jest średno o 17% nższy nż dla mężczyzn, przy założenu pozostałych charakterystyk na nezmenonym pozome.

Neco bardzej skomplkowana jest sytuacja, gdy mamy do czynena ze zmenną dyskretną która przyjmuje węcej nż 2 wartośc. np. wykształcene (1 podstawowe, 2 średne, 3 - wyższe) W tym przypadku do każdego pozomu s zmennej dyskretnej X musmy przypsać jedną zmenną zero-jedynkową Ds, D s, = 1 gdy X = s D s, = 0 gdy X s dla s = 1,2,...,S

1 podstawowe 0 podstawowe w p.p. 1 podstawowe wyksztalcene 2 średne 1 średne 0 3 wyzsze 1 wyzsze 0 średne w p.p. wyzsze w p.p.

Za pozom bazowy uznajemy jeden z pozomów (np. pozom 1), zmenną zero-jedynkową zwązaną z tym pozomem usuwamy z modelu ze stałą. Np. dla zmennej wykształcene Pozom bazowy : wykształcene podstawowe placa 1 2średne 3 wyzsze Dlaczego? Ne jest możlwe, by w modelu była jednocześne stała wszystke zmenne zero-jedynkowe (dla każdego pozomu zmennej dyskretnej), poneważ macerz X T X byłaby osoblwa!

Interpretacja współczynnków w modelu z weloma zmennym 0-1 (zmennym dyskretnym) jest analogczna jak w przypadku modelu z jedną tylko taką zmenną: dany współczynnk opsuje różncę mędzy oczekwaną wartoścą zmennej y dla respondenta o charakterystyce bazowej dla respondenta o charakterystyce s.

Modelujemy płace (logarytm) za pomocą płc, weku wykształcena: Zmenna Współczynnk Płeć -0,278 Wek 0,078 Wykszt. średne -0,273 Wykszt. średne zawodowe -0,273 Wykszt. zawodowe -0,444 Wykszt. podstawowe -0,571 Stała 6,64

ln( placa ) plec wyksztalcene 1 2 3 ln( placa ) plec wyksztalcene wojewodztwo 1 2 3 4

Dzękuję za uwagę 22