dy dx stąd w przybliżeniu: y

Podobne dokumenty
Natalia Nehrebecka. Wykład 2

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

I. Elementy analizy matematycznej

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

f(x, y) = arctg x y. f(u) = arctg(u), u(x, y) = x y. x = 1 1 y = y y = 1 1 +

65120/ / / /200

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

EKONOMETRIA I Spotkanie 1, dn

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


Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Natalia Nehrebecka. Zajęcia 4

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

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

Metody predykcji analiza regresji

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

Natalia Nehrebecka. Zajęcia 3

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

Natalia Nehrebecka. Dariusz Szymański

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

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

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BRYŁY SZTYWNEJ

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6



Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Statystyka. Zmienne losowe

Dobór zmiennych objaśniających

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

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

Definicje ogólne

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

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k

Funkcje i charakterystyki zmiennych losowych

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

ZA5895. Flash Eurobarometer 378 (The Experience of Traineeships in the EU) Country Questionnaire Poland

Regresja liniowa i nieliniowa

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

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

Statystyka Inżynierska

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Modele nieliniowe sprowadzalne do liniowych

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

SZTUCZNA INTELIGENCJA

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

Nieliniowe. Liniowe. Nieliniowe. Liniowe. względem parametrów. Linearyzowane. sensu stricto

Analiza regresji modele ekonometryczne

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej

Podstawy termodynamiki

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

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia

Weryfikacja hipotez dla wielu populacji

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

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

EKONOMIA MENEDŻERSKA. Wykład 2 Analiza popytu. Optymalna polityka cenowa. 1 ANALIZA POPYTU. OPTYMALNA POLITYKA CENOWA.

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

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

2 PRAKTYCZNA REALIZACJA PRZEMIANY ADIABATYCZNEJ. 2.1 Wprowadzenie







PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

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

UCHWAŁA NR 279/XVIII/2011 Rady Miasta Płocka z dnia 29 grudnia 2011 roku

MIKROEKONOMIA. Wykład 3 Mikroanaliza rynku 1 MIKROANALIZA RYNKU

Analiza zależności zmiennych ilościowych korelacja i regresja

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

ANALIZA SZEREGÓW CZASOWYCH

Analiza korelacji i regresji

OGÓLNE PODSTAWY SPEKTROSKOPII

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

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Procedura normalizacji

Regulamin promocji 14 wiosna

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

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

EFEKTYWNA STOPA PROCENTOWA O RÓWNOWAŻNA STPOPA PROCENTOWA

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

Elastyczność cenowa i dochodowa popytu- pojęcie i zastosowanie. Dr Gabriela Przesławska Uniwersytet Wrocławski 1. Instytut Nauk Ekonomicznych

Transkrypt:

Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc od dochodu (x, w jp) w gospodarstwach domowych pewnego masta opsuje następująca funkcja: 100x a) Oszacowana funkcja to funkcja Törnqusta dla dóbr podstawowych. b) Średne wydatk na warzywa w rodznach o najwyższych dochodach przekraczają 00 jp. Neprawda, bo ne mogą przekroczyć a=100. c) Elastyczność wydatków na warzywa względem dochodów w gospodarstwach domowych tego masta jest stała równa 0,. d) Jest to jedna z funkcj opsujących wydatk w zależnośc od dochodów, zwana funkcją Törnqusta, skonstruowaną dla dóbr zaspokajających potrzeby wyższego rzędu. Ne, dla dóbr podstawowych. e) Przyrost wydatków na warzywa zwązany ze wzrostem o jednostkę dochodu gospodarstw zarabających 1000 jp wynos około 1/45 jp. 1 100x 100x1 1 100 *1001 1001 000 100*1000 1000 000 Przyrost wydatków polczony z defncj y y 1 3 100100 100 3 3001 3001 100100 3001 100000 3000 100 / 3 300300 300100 9003 600400 9003 66,66...????

Metoda wykorzystująca przyblżene: przyrost funkcj spowodowany przyrostem argumentu o jednostkę jest w przyblżenu równy loczynow pochodnej w danym punkce przez wzrost argumentu: dy dy dy dx stąd w przyblżenu: y x dx dx x x1 Geometryczne: nachylene stycznej do krzywej y=y(x) w punkce x jest równe pochodnej funkcj w tym punkce, jeśl argument wzrośne o małą welkość, to możemy jako przyblżene zmany y wząć wzrost wartośc ne na krzywej, tylko na stycznej. 100( x ( x 000) 100x 000) x 1000 00000 / 3000^ 1/ 45

Przykład. Oszacowano następujący model lczby pracownków frmy Duża frma w roku t: yˆ t 10 exp(10 ) t e 10 10/ t Prawda czy fałsz? Odpowedź uzasadnj a) Według modelu, zatrudnene w Dużej frme rosło w marę upływu czasu. b) Jeśl tak model szacujemy metodą najmnejszych kwadratów, wówczas zmenną objaśnającą jest zmenna czasowa t. Ne c) Z roku na rok lczba pracownków w tej frme rosła w sposób lnowy. d) Względny przyrost lczby pracownków w tej frme od roku 1 do jest tak sam, jak dla roku 1 11. Proszę podstawć odpowedne wartośc do wzoru porównać e) Absolutny przyrost lczby pracownków w tej frme od roku 1 do jest tak sam, jak dla roku 1 11. Ne f) Według modelu, w pątym roku pracowało w frme e 5 osób.

Przykład 3. Mesęczne wydatk na warzywa (y, w jednostkach penężnych) w zależnośc od dochodu (x, w jp) w rodznach Spacj opsuje po oszacowanu następująca funkcja: y ( ) 100 x( ) /[ x( ) 000 ] Dochód rodzn w Spacj ne przekracza 000 jp., lecz jest wyższy nż 499 jp. a) Przyrost wydatków na warzywa zwązany ze wzrostem o jednostkę dochodu rodzn zarabających 1000 jp. wynos około 1/45 jp. b) Według oszacowanej funkcj, wydatk na warzywa w rodznach o najwyższych dochodach są o 0% nższe nż w rodznach o najnższych dochodach. c) Estymacja parametrów tej funkcj wymagała zastosowana metody nnej nż MNK. d) Najwyższy dochód w Spacj jest 4-krotne wyższy od najnższego, lecz wydatk na warzywa w rodznach o najwyższym najnższym dochodze różną sę tylko 1,5 krotne. e) Oszacowana funkcja to funkcja Törnqusta dla dóbr luksusowych. Wskazówk: Pochodna lorazu funkcj: Pochodna funkcj złożonej: Na przykład: exp(ax+b)= funkcja zewnętrzna to, wewnętrzna to funkcja lnowa. Dlatego:.

Przykład 4. Dla pewnego państwa oszacowano funkcję opsującą mesęczne wydatk gospodarstw domowych na produkty mleczne (y(), w jednostkach penężnych jp) w zależnośc od dochodu (x(), w jp): y ( ) 50 x( ) /[ x( ) 100] a) Oszacowana funkcja to funkcja Törnqusta dla dóbr podstawowych. b) Parametry tego modelu można było oszacować za pomocą MNK. c) W przypadku szacowana tego modelu za pomocą MNK zmenną objaśnającą była zmenna 1/x(). d) Zgodne z oszacowanym modelem, żadne z gospodarstw domowych ne wydaje na produkty mleczne węcej nż 50 jp mesęczne. e) Zgodne z oszacowanym modelem, popyt na produkty mleczne ne występuje w gospodarstwach domowych o dochodze mnejszym nż 100 jp mesęczne.