8344044117

8344044117



kwadratów modelu liniowego z wieloma zmiennymi objaśniającymi. Estymator wariancji składnika losowego i parametrów modelu liniowego z wieloma zmiennymi objaśniającymi. Przedziały ufności parametrów i wartości teoretycznych modelu liniowego z wieloma zmiennymi objaśniającymi.

Literatura

1.    A.Grińko, V.Mityushev, V.Mitiouchev(junior), N.Rylko Ekonometria od podstaw z przykładami na Excelu

2.    B.Suchecki, Kompletne modele popytu, Warszawa 2006

3.    M.Osińska, Ekonometria finansowa, Warszawa 2005

4.    M.Łuniewska, Ekonometria finansowa. Analiza rynku kapitałowego, Warszawa 2008

3.    Metody numeryczne

Treści nauczania

Metody przybliżonego rozwiązywania: układów równań liniowych [matoda Gaussa-Seidla] i nieliniowych [metoda Newtona-Raphsona], macierzowego zagadnienia własnego [metoda potęgowa (iteracji wektorów)] i zadania optymalizacyjnego [metoda Simplex]. Uwarunkowanie wybranych zadań numerycznych [zadanie obliczenia sumy i obliczenia pochodnej funkcji jako przykłady zadań źle lub dobrze uwarunkowanych (w zależności od przyjętych założeń dodatkowych)]. Wybrane metody aproksymacji w przestrzeniach funkcyjnych [aproksymacja średniokwadratowa wielomianami algebraicznymi, aproksymacja jednostajna wielomianami Czebyszewa]. Elementy złożoności obliczeniowej. Numeryczne rozwiązywanie równań różniczkowych zwyczajnych i cząstkowych [metoda Eulera, metody Rungego-Kutty]. Całkowanie numeryczne [kwadratury elementarne: wzór prostokątów, wzór trapezów, wzór Simpsona]. Współczesne narzędzia komputerowe i ich wykorzystywanie w praktycznych obliczeniach naukowych [programy Derive, Mathcad, Ma-tlab].

Literatura podstawowa

1.    Z. Fortuna, B. Macukow, J. Wąsowski, Metody numeryczne, WNT, Warszawa 2006.

2.    A. Bjorck, G. Dahląuist, Numerical methods. Mineola, NY: Dover Publications. xviii, 2003.

4.    Numeryczne metody rozwiązywania równań różniczkowych cząstkowych

Treści nauczania

1.    Kanoniczna postać równania.

2.    Podstawowe typy równań: eliptyczne, paraboliczne, hiperboliczne.

3.    Równania opisujące ruch falowy. Wizualizacja komputerowa fali.

4.    Równania przewodnictwa cieplnego i dyfuzji.

5.    Numeryczne metody rozwiązywania równań cząstkowych.

6.    Zagadnienia prowadzące do równania Laplace’a i równania Poissona.

7.    Funkcje uogólnione.



Wyszukiwarka

Podobne podstrony:
jcsl kwadratowa i symetryczna na głównej przekątnej znajdują się wariancje składnika losowego
Weryfikacja modelu regresji liniowej jednej zmiennej objaśniającej: procedura weryfikacji statystycz
W Tab. 4 przedstawiono wyniki estymacji modelu logitowego, w którym zmienną objaśnianą jest zmienna
2id&493 tZndnnie 6 Dla próby z roku 2007 oszacowano model liniowy, w którym zmienna, objaśniana, był
ZADANIA: Oszacowano KMNK parametry modelu liniowego. Obie zmienne wyrażone były z zł. Oto uzyskane
ZADANIA: Oszacowano KMNK parametry modelu liniowego. Obie zmienne wyrażone były z zł. Oto uzyskane
reszta zmienne objaśniające są nielosowe. Składnic losowy nie wpływa na zmienne
Wariancja składnika losowego ac nie jest znana, stąd nie jest znana macierz wariancji i kowariancji
1307703319420051404712d34751029905507755 n nazwa testu *•* stałość wariancji składnika losowego: Wa
Photo022 Ekonometria Współczesna 4.3.4. Badanie jednorodności wariancji składnika losowego Jednorodn
Photo039 Estymacja modelu z trzema zmiennymi objaśniającymi X ,,X2,X3. ga(j model dany jest
zależność zmiennej objaśnianej S względem K (z regresją liniową} _i_i_i_i_i_i_i_i_i_ -2
1526367202634888068337868558637671612080 n 7. Zmienna objaśniająca nie może znaleźć się w modelu. g
Hellwig i grafy (19) t£$I* Zad. 9 Stosując metodę Hellwiga wybrać zmienne objaśniające do modelu eko
Hellwig i grafy (23) Metodą analizy grafów wybrać optymalną kombinację zmiennych objaśniających do m
IMAG0619 wykorzystanie modeli matematycznych • Przykład estymacji parametrów modelu liniowego: Wyzna

więcej podobnych podstron