plik


ÿþWykBad 7 Weryfikacja jednorównaniowego modelu liniowego1 Weryfikacja jednorównaniowego modelu liniowego szacowanego klasyczn metod najmniejszych kwadratów polega na zbadaniu: " merytorycznej oceny sensowno[ci ocen parametrów strukturalnych modelu, " dopasowania modelu do danych empirycznych, " istotno[ci parametrów strukturalnych modelu, " rozkBadu skBadnika losowego. Uzyskane w wyniku estymacji szacunki parametrów modelu wskazywa powinny kierunek zale\no[ci midzy zmienn obja[nian i odpowiedni zmienn obja[niajc, zgodny z zale\no[ci wynikajc z danych empirycznych, to znaczy, \e wspóBczynnik korelacji pomidzy tymi zmiennymi i znak oceny parametru powinny by jednakowe. W przypadku zbyt du\ej korelacji pomidzy zmiennymi obja[niajcymi wprowadzonymi do modelu ta prawidBowo[ mo\e zosta zakBócona. Jest to tak zwane zjawisko koincydencji. W takiej sytuacji nale\y zmodyfikowa zestaw zmiennych obja[niajcych. Dopasowanie modelu do danych empirycznych ocenia si na podstawie wspóBczynnika zgodno[ci, który jest unormowan wielko[ci mierzc rozproszenie punktów empirycznych wokóB oszacowanej funkcji. Wyra\a si on wzorem: 2 n k ëø öø "ìø yt - "a xtk ÷ø S k ìø ÷ø 2 t =1 j =1 íø øø (7.1) Õ2 = = n 2 Sy 2 "(y - y) t t =1 2 gdzie: S - wariancja wektora reszt, 2 Sy - wariancja zmiennej obja[nianej, U\ywa si równie\ wspóBczynnika determinacji (korelacji wielorakiej): 2 (7.2) R2 = 1-Õ oraz, zbli\onego do powy\szych, w interpretacji, wspóBczynnika zmienno[ci przypadkowej (losowej): S W = (7.3) y 1 WykBad zostaB przygotowany na podstawie K. Hanusik, U. Aangowska, Modelowanie ekonometryczne procesów spoBeczno-gospodarczych, UO Opole 1994 dr Duaan Bogdanov 1 Ekonometria 1 2 2 WspóBczynnik zmienno[ci Õ przybiera warto[ci z przedziaBu [0,l]. PrzypadekÕ = 1 otrzymujemy, gdy: k y = xij (7.4) "a j j =1 co oznacza, \e nie ma \adnej zale\no[ci zmiennej obja[nianej od zmiennych obja[niajcych. 2 Õ Przypadek = 0 otrzymujemy, gdy wszystkie warto[ci empiryczne zmiennej obja[nianej s to\same z jej warto[ciami teoretycznymi, to znaczy wyznaczonymi z modelu. WspóBczynnik zgodno[ci w przybli\eniu pokazuje, jaka cz[ zmienno[ci zmiennej obja[nianej nie zostaBa przez model obja[niona. Interpretacja wspóBczynnika determinacji jest odwrotna. W literaturze przedmiotu u\ywa si czasem wspóBczynnika R = R2 , noszcego nazw wspóBczynnika korelacji wielorakiej. WspóBczynnik zmienno[ci losowej informuje, jak cz[ [redniej warto[ci zmiennej obja[nianej stanowi odchylenie standardowe modelu. Lepsze dopasowanie modelu do danych empirycznych odpowiada bli\szej zeru warto[ci miernika. W procesie weryfikacji porównujemy warto[ci wspóBczynników wyznaczone dla analizowanego modelu z warto[ciami granicznymi. Warto[ci krytyczne przyjmowane s obligatoryjnie przez prowadzcego badanie, na poziomie gwarantujcym po\dane dopasowanie modelu do danych empirycznych. W dalszej cz[ci weryfikacji modelu ekonometrycznego wykorzystywana jest teoria testowania hipotez statystycznych. Podstawy teorii weryfikacji hipotez przedstawione s midzy innymi w podrcznikach do statystyki2. Do badania istotno[ci parametrów strukturalnych modelu mo\na wykorzysta nastpujc funkcj testow (por. wykBad 6, twierdzenie 6): ai -± i f (±i )= (7.5) s cii gdzie: ai - szacunek i-tego parametru, ±i - jego warto[ rzeczywista (i=1,2,...m), s cii - bBdy standardowe ocen parametrów. 2 Z. Hellwig, Elementy rachunku prawdopodobieDstwa i statystyki matematycznej, PWN Warszawa 1987, s.253 i nast. A. Luszniewicz, T. SBaby, Statystyka stosowana, PWE Warszawa 1996, s.138 i nast. S. Ostasiewicz, Z. Rusnak, U. Siedlecka Wyd. AE we WrocBawiu, WrocBaw 1998, s. 235 i nast. dr Duaan Bogdanov 2 Ekonometria 1 Zmienna losowa t(±i )ma rozkBad Studenta o n-k stopniach swobody, gdzie k oznacza ilo[ szacowanych parametrów, n - liczebno[ próby. Badanie istotno[ci parametrów polega na sprawdzeniu, czy ró\ni si one istotnie od zera. Stawiamy hipotez zerow, \e rzeczywista warto[ parametru jest równa zero: H0 :±i = 0 wobec hipotezy alternatywnej, \e rzeczywista warto[ parametru ró\ni si od zera: H1 :±i `" 0 Hipoteza H0 prowadzi do zale\no[ci: ai f (0)= (7.6) s cii * Ustalamy z rozkBadu Studenta o n-k stopniach swobody warto[ krytyczn f dla przyjtego poziomu istotno[ci µ . Jest to taka warto[, \e prawdopodobieDstwo, i\ zmienna losowa f przyjmie * warto[ wiksz ni\ f , jest mniejsze ni\ µ . * Je\eli f (0)> f , to oznacza, \e zaszBo zdarzenie maBo prawdopodobne, czyli inaczej mówic, zdarzenie, \e rzeczywista warto[ parametru wynosi zero, jest maBo prawdopodobne. W tej sytuacji hipotez zerow odrzucamy na rzecz hipotezy alternatywnej i przyjmujemy, \e warto[ parametru istotnie ró\ni si od zera. * W przeciwnym przypadku, to jest gdy f (0)d" f , nie ma podstaw do odrzucenia hipotezy zerowej. Oznacza to konieczno[ modyfikacji zestawu zmiennych obja[niajcych modelu. Przedstawione badanie dotyczy istotno[ci pojedynczych parametrów modelu. Natomiast przy badaniu istotno[ci caBego wektora parametrów weryfikowana jest hipoteza zakBadajca, \e wszystkie parametry strukturalne modelu oprócz wyrazu wolnego s równe zeru. Na podstawie twierdzenia 7 przedstawionego na wykBadzie 6 zmienna losowa: 1 R2 k -1 f = (7.7) 1 (1- R2) n - k ma rozkBad Fishera-Snedecora o k-1 i n-k stopniach swobody. dr Duaan Bogdanov 3 Ekonometria 1 Stawiamy hipotez H0 : nie zachodzi zale\no[ korelacyjna pomidzy zmienn obja[nian i zmiennymi obja[niajcymi wobec hipotezy alternatywnej, H1 : zachodzi zale\no[ korelacyjna pomidzy zmienn obja[nian i zmiennymi obja[niajcymi. * Dla danego poziomu istotno[ci odczytujemy z tablic warto[ krytyczn f . Je\eli wyliczone f jest wiksze od warto[ci krytycznej, to znaczy, \e hipoteza zerowa prowadzi do zdarzenia maBo prawdopodobnego i nale\y j odrzuci na rzecz hipotezy alternatywnej. W przeciwnym przypadku nie ma podstaw do odrzucenia hipotezy zerowej i przyjmujemy wtedy, \e zmienne obja[niajce w analizowanym modelu nie wpBywaj istotnie na ksztaBtowanie si zmiennej obja[nianej. Kolejnym elementem weryfikacji jest badanie rozkBadu skBadnika losowego modelu. Polega ono na sprawdzeniu prawdziwo[ci zaBo\eD, które pozwoliBy na zastosowanie do szacowania modelu klasycznej metody najmniejszych kwadratów. Na podstawie wcze[niejszych rozwa\aD teoretycznych wiemy, \e wektor reszt modelu, który jest empiryczn realizacj skBadnika losowego, powinien by realizacj zmiennej losowej o rozkBadzie normalnym N(0,Ã ). W celu sprawdzenia, czy skBadniki losowe µt ; speBniaj przyjte a priori zaBo\enia, przedstawimy zaproponowan przez S. Bartosiewicz procedur badania skBadnika losowego na podstawie wektora reszt modelu3. Istotn cech opisywanej metody jest to, \e sprawdzane s kolejno wedBug stopnia zBo\ono[ci wBasno[ci, które powinien speBnia wektor reszt, je\eli skBadniki losowe speBniaj warunki stosowalno[ci metody najmniejszych kwadratów. Badanie wektora reszt rozpoczyna analiza symetrii jego rozkBadu. RozkBad normalny jest symetryczny, a wic w wektorze reszt prawdopodobieDstwo wystpowania reszt dodatnich i ujemnych jest jednakowe. Stawiana jest hipoteza zerowa H0 : P(et > 0) = P(et < 0) wobec hipotezy alternatywnej H1 : P(et > 0) `" P(et < 0) Do sprawdzenia hipotezy zerowej, stosowana jest statystyka: m 1 - n 2 f = (7.8) m m ëø1- öø ìø ÷ø n n íø øø n -1 gdzie n jest liczb obserwacji, m liczb reszt dodatnich. Dla dostatecznie du\ej próby statystyka f 3 S. Bartosiewicz, Ekonometria, PWE Warszawa 1978 r. s. 133 i nast. dr Duaan Bogdanov 4 Ekonometria 1 * ma rozkBad zbli\ony do normalnego. Je\eli dla przyjtego poziomu istotno[ci warto[ krytyczna f odczytana z tablic jest wiksza od obliczonej to hipotez zerow nale\y przyj. Dla maBych prób statystyka f ma rozkBad Studenta o n-1 stopniach swobody. Ponadto w przypadku maBych prób stosuje si test symetrii oparty na zaBo\eniu, \e liczba reszt dodatnich jest zmienn losow o rozkBadzie dwumianowym z parametrami p = q = 1/2 . Opracowane s tablice do tego testu podajce dla ustalonego poziomu istotno[ci przedziaB, w którym powinna si znalez liczba reszt dodatnich, aby wektor reszt mo\na byBo uzna za symetryczny. W przypadku modeli dynamicznych bada si losowo[ skBadnika losowego gwarantujc równomierne rozproszenie danych empirycznych wokóB oszacowanej linii. Przy czym symetria rozkBadu wektora reszt nie gwarantuje losowo[ci skBadnika losowego. W przypadku, gdy w wektorze reszt wystpi taka sama ilo[ reszt dodatnich i ujemnych, ale ich uBo\enie (np. dla dziesiciu obserwacji i, pi pierwszych pod oszacowan krzyw i pi nastpnych nad krzyw) trudno uzna za przypadkowe, przyjmuje si, \e jest ono uksztaBtowane na skutek dziaBania czynników systematycznych. Do sprawdzenia losowo[ci rozkBadu reszt mo\na stosowa test serii. Przez seri rozumiemy cig kolejnych reszt o tym samym znaku. Testy serii podaj dla ustalonego poziomu istotno[ci i liczebno[ci wektora reszt minimaln liczb serii lub maksymaln dBugo[ najdBu\szej serii. Jedno z zaBo\eD stosowalno[ci klasycznej metody najmniejszych kwadratów dotyczy staBo[ci wariancji skBadnika losowego modelu. Ta jego wBa[ciwo[ sprawdzana jest poprzez badanie stacjonarno[ci wektora reszt, a wic jego niezale\no[ci od czasu. Zatem badanie stacjonarno[ci wektora reszt odnosi si do modeli dynamicznych. Procedura tego kroku weryfikacji polega na sprawdzeniu stopnia skorelowania moduBów reszt i zmiennej czasowej. Je\eli wspóBczynnik korelacji moduBów reszt z czasem nieistotnie ró\ni si od zera, przyjmuje si, \e wektor reszt modelu jest stacjonarny. W tym celu sprawdzana jest hipoteza zerowa: H0 : ret t = 0 wobec hipotezy alternatywnej: H1 : ret t `" 0. Statystyk sBu\c do sprawdzenia hipotezy zerowej przedstawia wzór: re t n -1 t f = (7.9) 2 1- re t t Statystyka f ma rozkBad Studenta o n-2 stopniach swobody. Z tablic rozkBadu Studenta * odczytujemy dla ustalonego poziomu istotno[ci i stopni swobody warto[ krytyczn f i je\eli jest ona wiksza lub równa warto[ci empirycznej f , wektor reszt mo\na uzna za stacjonarny. Je\eli parametry modelu liniowego byBy szacowane klasyczn metod najmniejszych kwadratów, dr Duaan Bogdanov 5 Ekonometria 1 to zapewniona jest nieobci\ono[ skBadnika losowego, w tym sensie, \e warto[ oczekiwana skBadnika losowego jest równa zero. Zatem dla tej klasy modeli nie ma potrzeby bada warto[ci oczekiwanej skBadnika losowego. Natomiast w przypadku, gdy weryfikowany jest model segmentowy, model adaptacyjny czy te\ model liniowy bez wyrazu wolnego procedura powinna obejmowa sprawdzenie warto[ci oczekiwanej skBadnika losowego. W tym celu przyjmuje si hipotez: H0 = E(µt ) = 0 wobec hipotezy alternatywnej: H1 = E(µt )`" 0 Sprawdzianem H0 jest statystyka: e n -1 (7.10) f = s gdzie: e oznacza [redni warto[ wektora reszt modelu, natomiast s2 - ocen wariancji skBadnika losowego, n - liczb obserwacji wektora reszt. Analizowana statystyka ma rozkBad Studenta o n-1 stopniach swobody. H0 mo\e by zatem uznana za prawdziw, gdy empiryczna warto[ f jest nie wiksza od warto[ci krytycznej * f odczytanej z tablic dla ustalonego poziomu istotno[ci i stopni swobody. W modelach dynamicznych mo\e wystpi zale\no[ skBadników losowych z ró\nych momentów czasu. T niepo\dan wBa[ciwo[ skBadnika losowego nazywa si autokorelacj. Przejawia si ona istnieniem istotnego skorelowania pomidzy cigiem reszt et ,(t = 1,2,...n -Ä ) oraz cigiem reszt oddalonych o pewien okres Ä to jest et +Ä . Ograniczeniem dla warto[ci Ä jest wymóg formalny, \e do obliczenia wspóBczynnika korelacji potrzebne s wektory obserwacji dwóch zmiennych o conajmniej 3 elementach. Do sprawdzenia czy warto[ wspóBczynnika korelacji badanej pary cigów reszt jest dostatecznie bliska zeru, stosuje si procedur analogiczn jak w przypadku badania stacjonarno[ci skBadnika losowego. Ponadto do badania autokorelacji skBadnika losowego zostaB opracowany test Durbina-Watsona. Dla zaobserwowanego wektora reszt uporzdkowanego w czasie statystyka sBu\ca do weryfikacji hipotezy o niezale\no[ci skBadników losowych wyra\a si wzorem: n )2 "(e - et -1 t t =2 f = (7.11) n 2 "e t t =1 dr Duaan Bogdanov 6 Ekonometria 1 RozkBad statystyki f jest uzale\niony od liczby obserwacji oraz od liczby zmiennych obja[niajcych w modelu. Dla rozkBadu statystyki Durbina-Watsona wyznaczane s warto[ci krytyczne. Je[li warto[ zaobserwowana mie[ci si w wyznaczonym przedziale, to test nie rozstrzyga wystpowania autokorelacji wektora reszt. Je\eli za[ warto[ empiryczna jest mniejsza lub równa dolnej granicy przedziaBu, to zjawisko autokorelacji wystpuje, natomiast, gdy jest wiksza od górnej granicy przedziaBu krytycznego autokorelacja skBadnika losowego nie wystpuje. Sprawdzenie czy reszty modelu podlegaj prawu rozkBadu normalnego jest szczególnie wa\ne w przypadku modeli przeznaczonych do prognozowania. Wykorzystywane s tutaj testy zgodno[ci, dla du\ych prób test » -KoBmogorowa, dla maBych prób test Hellwiga. Testy te polegaj na porównaniu dystrybuanty empirycznej reszt G(et ) z dystrybuant teoretyczn rozkBadu normalnego. FormuBuje si nastpujc hipotez zerow: H0 : G(et )= F(et ) wobec alternatywy: H1 : G(et )`" F(et ) gdzie: G(et ) - warto[ dystrybuanty empirycznej w punkcie et ; F(et ) - warto[ dystrybuanty rozkBadu normalnego o warto[ci [redniej 0 i odchyleniu standardowym wektora reszt w punkcie et . W te[cie » -KoBmogorowa, ze wzgldu na du\ liczb obserwacji cig reszt zastpuje si szeregiem rozdzielczym. Sprawdzenie hipotezy o normalno[ci rozkBadu reszt testem » -KoBmogorowa przebiega wedBug nastpujcego algorytmu: 1. uporzdkowa reszty rosnco, utworzy szereg rozdzielczy kumulacyjny reszt dla przyjtej arbitralnie liczby m równych klas ui ,wi ,i =1,2...m , w ka\dej klasie, na koDcu przedziaBu wi, obliczy czsto[ skumulowan G(wi ), 2. wyznaczy odchylenie standardowe wektora reszt se : 3. wyznaczy warto[ci dystrybuanty rozkBadu normalnego N(0, se) na koDcach przedziaBów F(wi ) 4. wyznaczy cig ró\nic pomidzy dystrybuant empiryczn G(wi ) i dystrybuant rozkBadu normalnego F(wi ): 5. wyznaczy warto[ statystyki: dr Duaan Bogdanov 7 Ekonometria 1 » = max G(wi )- F(wi ) Å" m (7.12) i Otrzymana warto[ empiryczna. powinna by nie wiksza od odczytanej z tablic rozkBadu » -KoBmogorowa warto[ci teoretycznej przy zaBo\onym poziomie istotno[ci. Sprawdzenie hipotezy H0 testem Hellwiga4 przebiega natomiast wedBug nastpujcego algorytmu: 1. uporzdkowa reszty et ; w cig rosncy i wyznaczy odchylenie standardowe wektora reszt se : 2. wyznaczy warto[ci F(et )dystrybuanty rozkBadu normalnego, 3. przedziaB zmienno[ci dystrybuanty (0,1) podzieli na n równych cz[ci, zwanych celami, 4. wyznaczy ilo[ K cel pustych, to znaczy takich, do których nie trafiBa \adna warto[ dystrybuanty F(et ). RozkBad reszt nale\y uzna za normalny, je\eli liczba K cel pustych znajduje si wewntrz przedziaBu podanego w tablicach testu Hellwiga. Z powy\szego wynika, \e procedura weryfikacji modelu ekonometrycznego skBada si z szeregu kroków, przy czym ka\dy z nich koDczy si ocen pewnej wBasno[ci modelu decydujcej o jego jako[ci. Brak pozytywnej oceny na danym etapie dyskwalifikuje model i przerywa procedur weryfikacji. Model wymaga modyfikacji, co z reguBy oznacza konieczno[ powrotu do wcze[niejszych etapów modelowania. Rozwa\my najcz[ciej spotykane wady modeli, wykrywane w trakcie weryfikacji i ich przyczyn. 2 Wystpienie zbyt wysokiej warto[ci wspóBczynnika zgodno[ci Õ jest dowodem braku zale\no[ci liniowej pomidzy zmienn obja[nian a zmiennymi obja[niajcymi. W takiej sytuacji nale\y albo znalez zestaw zmiennych obja[niajcych liniowo zwizanych ze zmienn obja[nian, albo dobra wBa[ciw posta analityczn funkcji, co oznacza powrót do etapu doboru zmiennych do modelu lub do etapu doboru postaci analitycznej modelu. Analogicznie postpujemy w przypadku braku dostatecznej wyrazisto[ci modelu. Analiza istotno[ci parametrów strukturalnych modelu rozstrzyga o poprawno[ci doboru zmiennych do modelu. W sytuacji, gdy wszystkie parametry s istotnie ró\ne od zera mo\na przyj, \e zmienne obja[niajce dostatecznie silnie wpBywaj na zmienn obja[nian. Zatem ze wzgldu na zestaw zmiennych obja[niajcych model jest poprawny. W przeciwnym przypadku nale\y modyfikowa zestaw zmiennych. Najcz[ciej eliminuje si ze zbioru zmiennych obja[niajcych te, które nie wpBywaj istotnie na zmienn obja[nian. Jednak przyczyn zbyt maBych warto[ci odpowiednich statystyk testujcych istotno[ parametrów strukturalnych modelu mo\e by wspóBliniowo[ 4 Por. Z. Hellwig, Elementy rachunku prawdopodobieDstwa i statystyki matematycznej, PWN Warszawa 1987, s.270 i nast. dr Duaan Bogdanov 8 Ekonometria 1 zmiennych obja[niajcych, a nie ich zbyt niskie skorelowanie ze zmienn obja[nian. W takiej sytuacji zastosowanie innej kombinacji zmiennych obja[niajcych mo\e da po\dane efekty. Niepo\dane wBasno[ci skBadnika losowego modelu mog powsta na skutek nieprawidBowej postaci analitycznej szacowanej linii. Wtedy wektor reszt bdzie niesymetryczny lub nielosowy. Równie\ zmiana postaci analitycznej modelu mo\e by konieczna w przypadku, gdy warto[ oczekiwana wektora reszt modelu oka\e si istotnie ró\na od zera. Badanie tego parametru struktury stochastycznej modelu jest bowiem wymagane w odniesieniu do modeli nieliniowych, których liniowe transformanty szacowane s klasyczn metod najmniejszych kwadratów, modeli segmentowych oraz modeli adaptacyjnych. W pierwszym przypadku pozytywny efekt mo\e przynie[ zmiana typu zastosowanej funkcji lub sposobu estymacji funkcji. W przypadku modeli segmentowych mo\e by konieczna zmiana dBugo[ci segmentów lub zmiana modulatorów w poszczególnych segmentach modelu. Modele adaptacyjne mog by poprawione poprzez zmian dBugo[ci segmentów. W sytuacji braku stacjonarno[ci wektora reszt modelu, a wic niejednorodno[ci wariancji skBadnika losowego, popraw wBasno[ci estymatorów parametrów modelu daje zastosowanie uogólnionej metody najmniejszych kwadratów. Autokorelacja skBadnika losowego modelu bywa skutkiem: zBego dopasowania postaci analitycznej modelu, nieprawidBowego doboru zmiennych lub specyfiki modelowanego zjawiska ekonomicznego. Dwie pierwsze przyczyny wykryte zostan w trakcie badania symetrii i losowo[ci wektora reszt. W sytuacji, gdy wystpi autokorelacja skBadnika losowego nale\y zmieni metod estymacji modelu. Badanie normalno[ci rozkBadu skBadnika losowego jest po\dane, gdy model ma by zastosowany do prognozowania. Wystpienie tego typu rozkBadu daje, bowiem wiksz gwarancj otrzymania prognoz dopuszczalnych. Natomiast brak normalno[ci rozkBadu nie dyskwalifikuje modelu. dr Duaan Bogdanov 9 Ekonometria 1 Pytania kontrolne: 1. O czym nas informuje wspóBczynnik zgodno[ci? 2. Jaka jest zale\no[ pomidzy wspóBczynnikiem zgodno[ci a wspóBczynnikiem determinacji? 3. W jakiej klasie modeli nie ma potrzeby bada warto[ci oczekiwanej skBadnika losowego? 4. Do czego sBu\y i na czym polega test Durbina-Watsona? 5. Jakie mog by przyczyny wystpowania zjawiska autokorelacji skBadnika losowego? dr Duaan Bogdanov 10 Ekonometria 1

Wyszukiwarka

Podobne podstrony:
6 własności estymatora parametrów klasycznego modelu liniowego uzyskanego metodą najmniejszych kwadr
4 estymacja parametrów jednorównaniowego liniowego modelu ekonometrycznego
Temat 5 I Weryfikacja modelu regresji liniowej
3 dobór zmiennych do liniowego modelu ekonometrycznego
2 ćwiczenia dobór zmiennych do liniowego modelu ekonometrycznego
Weryfikacja modelu
3 Istotność parametrów modelu regresji liniowej
KMNK weryfikacja modelu zadanie
doprowadzanie modelu do postaci liniowej (0)
4 ćwiczenia weryfikacja liniowych modeli ekonometrycznych
optoizolator liniowy
PA3 podstawowe elementy liniowe [tryb zgodności]
Sporządzenie modelu rozprzestrzeniania się zanieczyszczeń
Zestaw 1 Funkcja kwadratowa Funkcja homograficzna Równanie liniowe
Przekształcenia liniowe zadania i przykłady
Badanie liniowego obowdu prądu stałego

więcej podobnych podstron