Analiza wybranych własności rozkładu reszt

Podobne dokumenty
Wykład 6 Pochodna, całka i równania różniczkowe w praktycznych zastosowaniach w elektrotechnice.

Rachunek Prawdopodobieństwa MAP1151, 2011/12 Wydział Elektroniki Wykładowca: dr hab. Agnieszka Jurlewicz

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

ĆWICZENIE 11 OPTYMALIZACJA NIEZAWODNOŚCIOWA STRUKTURY ELEKTRONICZNEGO SYSTEMU BEZPIECZEŃSTWA

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Rachunek Prawdopodobieństwa MAP1064, 2008/09

Pobieranie próby. Rozkład χ 2

EKONOMETRIA. Ekonometryczne modele specjalne. Zbigniew.Tarapata zbigniew.tarapata.akcja.pl/p_ekonometria/ tel.

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona

2. Tablica routingu dla pewnej sieci złożonej z czterech węzłów wygląda następująco:

DYNAMICZNE MODELE EKONOMETRYCZNE

specyfikacji i estymacji modelu regresji progowej (ang. threshold regression).

licencjat Pytania teoretyczne:

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych

Wykład 6. Badanie dynamiki zjawisk

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

LABORATORIUM 6 ESTYMACJA cz. 2

Wykład 6. Badanie dynamiki zjawisk

Autor: Dariusz Piwczyński :07

Sieci neuronowe - uczenie

LVIII Egzamin dla Aktuariuszy z 3 października 2011 r.

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.

Przykład 2. Stopa bezrobocia

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka

Cechy szeregów czasowych

Klasyfikacja modeli. Metoda najmniejszych kwadratów

TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH

ZASTOSOWANIE REGRESJI LOGISTYCZNEJ DO OKREŚLENIA PRAWDOPODOBIEŃSTWA SPRZEDAŻY ZASOBU MIESZKANIOWEGO

Uogólnione wektory własne

2009 ZARZĄDZANIE. LUTY 2009

POLITECHNIKA WARSZAWSKA Instytut Elektroenergetyki, Zakład Elektrowni i Gospodarki Elektroenergetycznej

Wykład 2 Wahadło rezonans parametryczny. l+δ

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

FUNKCJA NIEZAWODNOŚCI I CZAS BEZAWARYJNEJ PRACY ODPOWIADAJĄCY EKSPONENCJALNEJ INTENSYWNOŚCI USZKODZEŃ

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0

WPŁYW STÓP PROCENTOWYCH W USA I W STREFIE EURO NA STOPY PROCENTOWE W POLSCE I. STOPY PROCENTOWE W GOSPODARCE OTWARTEJ.

166 Wstęp do statystyki matematycznej

DYNAMICZNE MODELE EKONOMETRYCZNE

Analiza danych jakościowych

Projektowanie procesu doboru próby

Definicja: Wektor nazywamy uogólnionym wektorem własnym rzędu m macierzy A

Analiza szeregów czasowych w Gretlu (zajęcia 8)

Wstęp Rozdział 2 Wpływ inflacji na koszt użycia kapitału Inflacja i koszt użycia kapitału Finansowanie pożyczkami...

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Farmakokinetyka furaginy jako przykład procesu pierwszego rzędu w modelu jednokompartmentowym zawierającym sztuczną nerkę jako układ eliminujący lek

Inwestycje. MPK = R/P = uc (1) gdzie uc - realny koszt pozyskania kapitału. Przyjmując, że funkcja produkcji ma postać Cobba-Douglasa otrzymamy: (3)

Testowanie hipotez statystycznych

LABORATORIUM ESBwT. Optymalizacja niezawodnościowa struktury elektronicznego systemu bezpieczeństwa

Ekonometria. Weryfikacja modelu. Paweł Cibis 12 maja 2007

WYKŁAD 5 TEORIA ESTYMACJI II

7. Estymacja parametrów w modelu normalnym( ) Pojęcie losowej próby prostej

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

Wygładzanie metodą średnich ruchomych w procesach stałych

TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych

REGULAMIN PSKO I. Kryteria i wymagania dla zawodników Optimist PSKO. II. Mistrzostwa PSKO. III. Puchar Polski PSKO

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018

CHARAKTERYSTYKI CZASOWE UKŁADÓW DYNAMICZNYCH

Estymacja parametrów w modelu normalnym

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

ZASTOSOWANIA POCHODNEJ

ANALIZA POWIĄZAŃ MIĘDZY INDEKSAMI GIEŁDY FRANCUSKIEJ, HOLENDERSKIEJ I BELGIJSKIEJ Z WYKORZYSTANIEM MODELU KOREKTY BŁĘDEM

TESTOWANIE HIPOTEZ STATYSTYCZNYCH Hipotezą statystyczną nazywamy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.

Andrzej Leśnicki Uogólniony szereg Fouriera 1/1 SZEREGI FOURIERA. Uogólniony szereg Fouriera. x, gdy ich iloczyn x, y 0. całkowalnego z kwadratem

Ekonomiczno-techniczne aspekty wykorzystania gazu w energetyce

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych

Analiza wariancji w analizie regresji - weryfikacja prawdziwości przyjętego układu ograniczeń Problem Przykłady

TESTOWANIE HIPOTEZ STATYSTYCZNYCH

Testowanie hipotez statystycznych

WNIOSKOWANIE STATYSTYCZNE

Wykład 3 Hipotezy statystyczne

E k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny

Statystyka w przykładach

EKONOMETRIA prowadzący: Piotr Piwowarski

Perspektywy rozwoju rolnictwa ekologicznego w Polsce

gdzie E jest energią całkowitą cząstki. Postać równania Schrödingera dla stanu stacjonarnego Wprowadźmy do lewej i prawej strony równania Schrödingera

Proces stochastyczny jako funkcja dwóch zmiennych. i niepusty podzbiór zbioru liczb rzeczywistych T. Proces stochastyczny jest to funkcja

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Jacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.

KURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1

Dr hab. Jerzy Czesław Ossowski Wybrane elementy ekonometrii stosowanej cz. II Istotność zmiennych modelu, autokorelacja i modele multiplikatywne

Jerzy Czesław Ossowski Katedra Ekonomii i Zarzdzania Przedsibiorstwem Wydział Zarzdzania i Ekonomii Politechnika Gdaska

Niezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Transkrypt:

Analiza wybranych własności rozkładu rsz

Poprawni skonsruowany i oszacowany modl, kóry nasępni ma być wykorzysany do clów analizy i prdykcji, poza wysokim sopnim odzwircidlania zmian warości mpirycznych powinin akż charakryzować się pwnymi pożądanymi własnościami rozkładu rsz. Ich wryfikacji dokonuj się za pomocą odpowidnich sów saysycznych. I ak rszy dobrgo modlu powinny m.in. charakryzować się losowością, normalnością i symrią. Ponado, w przypadku gdy dan mpiryczn mają charakr szrgów czasowych, nalży sprawdzić, czy ni wysępuj zjawisko auokorlacji rsz modlu.

Auokorlacja odchylń losowych oznacza liniową zalżność między odchylniami losowymi z różnych jdnosk czasu. Miarą siły i kirunku auokorlacji odchylń losowych ε z okrsu i odchylń losowych ε -τ z okrsu -τ js współczynnik korlacji: ρ τ =ρ(ε, ε -τ ) nazywany współczynnikim auokorlacji rzędu τ. Oszacowanim go współczynnika js współczynnik auokorlacji rsz i -τ okrślony wzorm:. 1 1 1 n n n r

Do wryfikacji hipozy o braku auokorlacji odchylń losowych ε i ε -1, j. hipozy H 0 : [ρ 1 =0], wobc hipozy alrnaywnj H 1 : [ρ 1 0] służy s Durbina-Wasona. Sprawdzianm j hipozy w wypadku auokorlacji dodanij js saysyka: n d mp Saysyka d przyjmuj warości z przdziału [0,4], jżli hipoza zrowa js prawdziwa, o d=. Warość d< świadczą o isniniu auokorlacji dodanij, naomias warości d> świadczą o isniniu auokorlacji ujmnj. Zam w zalżności od orzymanj warości d rzba sprcyzować dokładnij hipozę alrnaywną. n 1 1.

Przy auokorlacji ujmnj nalży wyznaczyć d wdług wzoru: d = 4 - d. Obliczoną warość saysyki d (lub d ) porównuj się z dwoma warościami kryycznymi: d L i d U odczyanymi z ablic Durbina-Wasona dla przyjęgo poziomu isoności α oraz n i k-1 sopni swobody (n liczba obsrwacji, k-1 liczba zminnych objaśniających w modlu, bz zminnj ożsamościowo równij jdn). Rguła dcyzyjna js nasępująca. Hipozę zrową (o braku auokorlacji) odrzucamy (na korzyść hipozy alrnaywnj) w przypadku, gdy warość d obliczona na podsawi obsrwacji będzi mnijsza od d L. W przypadku, gdy d>d U, swirdzamy brak podsaw do odrzucnia hipozy H 0. W przypadku, gdy d L d d U, ni podjmujmy żadnj dcyzji (obszar nikonkluzywności).

W syuacji, gdy d L d d U, możmy posłużyć się współczynnikim auokorlacji ρ, kóry z d powiązany js nasępująco: Jdnoznaczni dla danj liczby obsrwacji n i poziomu ufności α można odczyać z ablic warość isongo współczynnika auokorlacji. Np. przyjmijmy, ż ρ = 0,6, wówczas d = - ρ d = 0,8 Wszyski warości d mnijsz od 0,8 świadczą wówczas o auokorlacji. d d.

Badani isoności auokorlacji odchylń losowych dowolngo rzędu moż być równiż przprowadzon za pomocą su isoności współczynnika korlacji. Ts n pozwala na zwryfikowani hipozy H 0 : [ρ τ =0] wobc hipozy alrnaywnj H 1 : [ρ τ 0]. Sprawdzianm j hipozy js saysyka: r n I. 1 r Z ablic -Sudna dla przyjęgo poziomu isoności α oraz dla m=n-τ- sopni swobody odczyuj się warość kryyczną I*. Jśli I τ I*, ni ma podsaw do odrzucnia hipozy H 0 ; współczynnik auokorlacji ρ τ js niisony. Jśli I τ >I*, hipozę H 0 nalży odrzucić na rzcz hipozy H 1 ; współczynnik auokorlacji ρ τ js isony.

Badani normalności rozkładu odchylń losowych sprowadza się do wryfikacji hipozy, ż dysrybuana odchylń F(ε) js równa dysrybuanci rozkładu normalngo F N (ε). Wryfikujmy więc hipozę H 0 : [F(ε)=F N (ε)] wobc hipozy H 1 : [F(ε) F N (ε)]. Do wrydfikowania hipozy o normalności rozkładu służy m.in. s zgodności Hllwiga i s normalności Shapiro-Wilka. Dla małj próby sosuj się s Hllwiga. Js o w isoci s zgodności, za pomocą kórgo można zwryfikować hipozę o dowolnym rozkładzi. Ts n opira się bowim na własności znanj saysyki: jżli zminna losowa X ma rozkład F, o zminna losowa F(X) ma rozkład jdnosajny.

Procdura su Hllwiga js nasępująca: 1. Przprowadza się sandaryzację rsz wdług wzoru: gdzi: u Sˆ 1,,..., n, - śrdnia arymyczna rsz (=1,,,n); Ŝ - odchylni sandardow rsz (=1,,,n) obliczan wdług wzoru: n ˆ 1 S. n 1 Jśli badania doyczą modlu liniowgo szacowango modą najmnijszych kwadraów, o śrdnia arymyczna rsz równa js 0.. Zsandaryzowan rszy porządkuj się wdług warości nimaljących ak, ż u (1) u () u (n). 3. Z ablic dysrybuany rozkładu normalngo odczyuj się warość dysrybuany Φ(u () )=P(u<u () ).

4. Wyznacza się zw. cl l (=1,,,n), kórymi są przdziały liczbow o rozpięości 1/n powsał po podzilniu odcinka [0,1] na n równych części. 5. Warości dysrybuany Φ(u () ) przyporządkuj się odpowidnim clom i okrśla się liczbę cl pusych K, j. akich, do kórych ni rafiła żadna warość Φ(u () ). 6. Z ablic su zgodności Hllwiga dla danj liczby obsrwacji n oraz dla przyjęgo poziomu isoności α odczyuj się warości kryyczn K 1 i K. 7. Jżli K 1 K K, ni ma podsaw do odrzucnia hipozy zrowj. Odchylnia losow mają wówczas rozkład normalny. Naomias jśli K<K 1 lub K>K, o hipozę zrową nalży odrzucić na rzcz hipozy alrnaywnj. Odchylnia losow ni mają wówczas rozkładu normalngo.

Procdura su Shapiro-Wilka przdsawia się nasępująco: 1. Porządkuj się rszy wdług warości nimaljących ak, ż orzymuj się ciąg: (1), (),, (n).. Oblicza się warość saysyki: W [ n/ ] gdzi: [n/] część całkowia liczby n/; a n-+1 współczynnik Shapiro Wilka. 1 a n1 1 3. Z ablic su Shapiro-Wilka dla przyjęgo poziomu isoności α odczyuj się warość W*. n 4. Jśli W W*, ni ma podsaw do odrzucnia hipozy H 0, mówiącj, ż rozkład odchylń losowych js normalny. Naomias jżli W<W*, hipozę H 0 nalży odrzucić na rzcz hipozy H 1, co oznacza, ż rozkład odchylń losowych ni js normalny. ( n1) ( ),

Tsowani losowości ma związk przd wszyskim z wyborm posaci analiycznj modlu. Zgodni z założniami sandardowgo modlu liniowgo zminna objaśniana js liniową funkcją zminnych objaśniających plus losowa korka. W przypadku, gdy wspomnian korky mają przz dłuższy okrs jdnakow znaki, można przypuszczać, ż zosał popłniony błąd spcyfikacji, polgający na nirafnym wyborz posaci analiycznj modlu lub nirafnym wyborz zminnych objaśniających. Do wryfikacji hipozy H 0 : ε losowy wobc hipozy H 1 : ε nilosowy służy s liczby srii.

Procdura dla go ypu su js nasępująca. Dla dango ciągu rsz 1,,, n przyporządkowujmy warościom dodanim symbol a ( >0), warościom ujmnym zaś symbol b ( <0). Warości =0 prakyczni nigdy ni wysępują. Jśli jdnak zdarzy się aka syuacja, o nalży zwiększyć dokładność obliczń. Jśli ni js o możliw, nalży umowni, wdług pwnj zasady, nikórym rszom zrowym przypisać znak dodani, pozosałym ujmnym. W osaczności rszy aki można zignorować (zmnijsza się wówczas akż wilkość próby) al js o najgorsz rozwiązani.

Przz srię rozumi się ciąg jdnakowych symboli, np. aaa lub bbb. Nasępni oblicza się mpiryczną liczbę srii K. W przypadku, gdy korzysamy z su dwusronngo, z ablic su srii odczyujmy warości kryyczn K 1 i K (przy zadanym poziomi isoności α). Jżli K 1 K K o swirdzamy, ż brakuj podsaw do odrzucnia hipozy zrowj. Jżli K <K 1 (zby mała zaobsrwowana liczba srii) lub K >K (zby duża zaobsrwowana liczba srii), o hipozę o losowości odrzucamy. W przypadku su jdnosronngo podsawą do odrzucnia hipozy zrowj js swirdzni zby małj liczby srii. H 0 odrzuca się, jżli K <K* (gdzi K* js warością kryyczną odczyaną z ablic jdnosronnych lub ż z ablic su dwusronngo, al dla poziomu isoności α).

Badani niobciążoności odchylń losowych modlu przprowadza się dla modli niliniowych z względu na paramry srukuraln. Sprowadza się ono do zwryfikowania hipozy H 0 : [E(ε)=0] wobc hipozy alrnaywnj H 1 : [E(ε) 0]. Sprawdzianm hipozy js saysyka n 1 I. ˆ gdzi: - śrdnia arymyczna rsz (=1,,,n); Ŝ - odchylni sandardow rsz (=1,,,n). S

Z ablic su -Sudna dla n-1 sopni swobody oraz dla przyjęgo poziomu isoności α odczyuj się warość kryyczną I*. Jśli I I*, ni ma podsaw do odrzucnia hipozy H 0. Warość oczkiwana odchylń losowych js wówczas niisoni różna od zra i odchylnia są niobciążon. Naomias jśli I>I*, hipozę H 0 nalży odrzucić na rzcz hipozy H 1. Warość oczkiwana odchylń losowych js wówczas isoni różna od zra i odchylnia są obciążon.

Koljnym odsępswm od założń klasycznj mody najmnijszych kwadraów js rzygnacja z posulau, aby wariancj składnika losowgo były sał w czasi. W prakyc wariancj składnika losowgo (jśli ni są spłnion klasyczn założnia) mają ndncję do wzrasania lub zmnijszania się. W clu wykrycia go zjawiska sosuj się s Goldflda i Quanda. Ts n polga na zwryfikowaniu hipozy o równości wariancji odchylń dwóch skrajnych grup obsrwacji. Rozparuj się aki dwa podzbiory obsrwacji, co do kórych isnij przypuszczni, ż wariancja odchylń js najmnijsza i największa. Nich n 1 oznacza liczbę obsrwacji w pirwszym podzbiorz, j. obsrwacji o numrach =1,,,n 1, a n liczbę obsrwacji w drugim podzbiorz, j. obsrwacji o numrach =n-n +1, n-n +,,n.

Do zwryfikowania hipozy o równości wariancji odchylń losowych obu podzbiorów, j. hipozy H 0 : [σ ε,1=σ ε,], wobc hipozy alrnaywnj H 1 : [σ ε,1<σ ε,] moż być wykorzysany s F. Sprawdzianm hipozy js saysyka: S, F, S gdzi: S,1,1 wariancja rszowa n 1 pirwszych obsrwacji: n1 1 ; S 1 1 n1 k 1 1 S, wariancja rszowa n pirwszych obsrwacji: n 1 S,. n k 1 nn 1 W powyższych wzorach 1 i oznaczają śrdni arymyczn odpowidnich ciągów rsz.,

Z ablic su F dla przyjęgo poziomu isoności α oraz m 1 =n -k-1 i m =n 1 -k-1 sopni swobody odczyuj się warość kryyczną F*. Jśli F F*, ni ma podsaw do odrzucnia hipozy H 0 ; wariancja odchylń losowych js sała w czasi. Jśli F>F*, hipozę H 0 nalży odrzucić na rzcz hipozy H 1 ; w miarę upływu czasu wariancja odchylń losowych wzrasa.

Obsrwacj odchylając się in minus (in plus) od warości modlowych powinny sanowić połowę (w snsi probabilisycznym) wszyskich obsrwacji. Badani o sprowadza się do zwryfikowania hipozy zrowj, głoszącj ż składnik losowy ma rozkład symryczny: m 1 H0 :, n Wobc hipozy alrnaywnj, głoszącj, ż rozkład składnika rszowgo ni js symryczny: m 1 H1 :, n przy czym m js liczbą rsz odchylających się in plus, a n liczbą wszyskich obsrwacji.

Do wryfikacji hipozy zrowj służy saysyka: mp m n 1 n 1 W przypadku gdy n 30, saysyka ma przy założniu prawdziwości H 0 rozkład -Sudna o n-1 sopniach swobody, naomias dla n>30 saysyka ma rozkład normalny. m n 1 m n.