Ökonomeetria kordamisküsimustele vastused - sarnased materjalid

Ökonomeetria kontrolltöö kordamisküsimused 2020

2. Efektiivsus (efficiency). Iseloomustab hinnangute hajuvust. 3. Mõjusus (consistency). Iseloomustab koondumist suurte valimite korral – suure valimi korral 4. Asümptootiline jaotus – suure valimi korral 5. Asümptootiline efektiivsus – suure valimi korral 7. Hinnangu nihe, nihketa hinnang. Hinnangu nihe võrdub parameetri hinnangu keskväärtuse ning parameetri tegeliku väärtuse β vahega: Parameetri hinnang on nihketa (unbiased), kui hinnangu keskväärtus võrdub parameetri tegeliku väärtusega: ● Kahest hinnangfunktsioonist on parem see, mis on nihketa. ● Nihketa hinnangfunktsioone võib olla mitmeid nt sümmeetrilise jaotuse korral on üldkogumi mediaani nihketa hinnanguteks valimi aritmeetiline keskmine ja valimi mediaan. 8. Hinnangu efektiivsus, efektiivne hinnang. ● Efektiivne hinnang on nihketa vähima dispersiooniga hinnang kõigi nihketa hinnangute seas.

mingi etteantud tõenäosusega. 5) Hinnangufunktsioon: Reegel üldkogumi parameetri(te) hinnangu(te) leidmiseks 6) Hinnangute omadused: Nihe, efektiivsus, mõjusus, asümptootiline jaotus, asümptootiline efektiivsus 7) Hinnangu nihe, nihketa hinnang Hinnangu nihe võrdub parameetri hinnangu keskväärtuse ning parameetri tegeliku väärtuse vahega. Iseloomustab süstemaatilist viga.  Nihketa hinnang – Parameetri hinnang on nihketa kui hinnangu keskväärtus võrdub parameetri tegeliku väärtusega. 8) Hinnangu efektiivsus, efektiivne hinnang: Hinnangu efektiivsus – Parameetri nihketa hinnang, kus dispersioon on väiksem on efektiivseim. Kasutatakse hinnangute võrdlemisel. Efektiivne hinnang – nihketa vähima dispersiooniga hinnang kõigi nihketa hinnangute seas. Iseloomustab hinnangute hajuvust. 9) Mõjus hinnang- Hinnang on mõjus, kui ta koondub tõenäosuse järgi parameetri tegelikuks väärtuseks

KORDAMINE ÖKONOMEETRIA KONTROLLTÖÖKS

Hinnangfunktsioon on reegel parameetrite hinnangute leidmiseks. Tuntudmad regressioonmudeli parameetrite hindamismeetodid on: harilik vähimruutude meetod (OLS), suurima tõepära meetod, momentide meetod ja üldistatud vähimruutude meetod. 6. Hinnangute omadused. Nihe, efektiivsus, mõjusus 7. Hinnangu nihe, nihketa hinnang. Hinnangu nihe võrdub parameetri hinnangu Beeta keskväärtuse ning parameetri tegeliku väärtuse beeta vahega. Parameetri hinnang on nihketa kui hinnangu keskväärtus võrdub parameetri tegeliku väärtusega. Parem on see, mis on nihketa. Hinnangu keskväärtus - tegelik keskväärtus. Nihe ­ hajuvus koondub ühte kohta, ühele poole keskmisest väärtusest. Nihe iseloomustab süstemaatilist viga 8. Hinnangu efektiivsus, efektiivne hinnang. Efektiivne hinnang on nihketa vähima dispersiooniga hinnang kõigi nihketa hinnangute seas. Väike hajuvus, efektiivne ja suur hajuvus vähem efektiivne. Efektiivsus iseloomustab hinnangute hajuvust 9

Mitmene regressioonmudel I

loomaliha.gdt Mudel 2, toome sisse ka sealiha hinna ps Loomaliha ja sealiha hind on omavahel seotud qli 79, 3 0,540 pli 0,195 psi ui Kui mudelis ainult loomaliha hind pl Kui oli ainult loomaliha hind pl NB! Loomaliha kordaja on qli 85, 2 0, 466 pli ui erinev! qli 85, 2 0, 466 pli ui Siin avaldub kaudselt ka sealiha hinna mõju. Kui sealiha hinda mudelis pole, saame

Ökonomeetria mõisted

Ökonomeetria mõisted 1. Autokorrelatsioon ja heteroskedastatiivsus võivad mudelis olla kahel põhjusel: 1) mudeli spetsifikatsioon on vale. Mudelist on välja jäetud mõned olulised muutujad ja/või mudeli funktsionaalne kuju on vale. Mudel tuleb ümber vaadata. 2) Tavalise vähimruutude meetodi rakendamise protseduur võib anda standardhälvete nihkega hinnangud. Tuleb kasutada uusi lähenemisi mudeli parameetrite hindamiseks. Autokorrelatsiooni testitakse aegridade puhul.

Ökonomeetriline projekt - Brutopalga sõltuvus haridustasemest, meeste osakaalust ning linlaste osakaalust maakondade lõikes

2008 (eurodes);  X1i – kõrgharidusega (bakalaureuse, magistri- või doktorikraadiga) inimeste osakaal tööga hõivatutest i-ndas maakonnas perioodil 2005-2008;  X2i – linnalises asulas töötavate inimeste osakaal tööga hõivatutest i-ndas maakonnas perioodil 2005-2008;  X3i – meeste osakaal tööga hõivatutest i-ndas maakonnas perioodil 2005-2008;  D1 – fiktiivne muutuja 2005. aasta kohta;  D2 – fiktiivne muutuja 2006. aasta kohta;  D3 – fiktiivne muutuja 2007. aasta kohta;   β0 – mudeli vabaliige (brutopalka määrav autonoomne komponent), mis näitab seda, milline on brutopalk juhul kui kõigi sõltumatute tunnuste väärused on nullid  β1 – mudeli parameeter, mis näitab brutopalga muutust, kui kõrgharitute osakaal muutub ühe ühiku võrra;

Ökonomeetria-BA.

82, F  15.342 ( p  0.001) kus Y – küsitletu tarbimine eurodes, X – küsitletu sissetulek eurodesning D – küsitletu sugu (D = 1, kui mees ning D = 0, kui naine); t – statistiku kriitiliseks väärtuseks on t 0.025,96  1.99 . Vastake järgmistele küsimustele ning põhjendage vastuseid a) kas mudel on statistiliselt oluline olulisuse nivool 0.05; mida saate öelda mudeli kirjeldatuse taseme kohta. b) millised muutujad on statistilised olulised olulisuse nivool 0.05; c) Leida muutuja X ees oleva kordaja 95% usalduspiirid. Lahendus. a) Mudel on statistiliselt oluline olulisuse nivoo 0.05 korral, kuna F-testi olulisuse tõenäosus p  0.001 on väiksem kui 0.05. Mudeli sõltumatud muutujad kirjeldavad ära 82% tarbimise varieeruvusest. b) Kuna muutujate X ja D t-statistikute absoluutväärtused on suuremad kui kriitiline väärtus ( 22.54  1.99; 2.34  1.99) , siis statistiliselt olulised muutujad mudelis on muutuja X ja muutuja D

Ökonomeetria kordamisküsimused

3. Lihtne regressioon, regressioonivõrrandi põhikuju. Determineeritud regressioonivõrrand. Lineaarse regressiooni korral kirjeldatakse seost uuritavate muutujate väärtuste vahel sirge abil võrrandiga Y = a0+a1X Eesmärgiks on leida punktiparvega antud X ja Y vahelist seost iseloomustava parima sirge võrrand Lineaarse kahe muutujaga determineeritud regressioonimudeli korral eeldatakse, et juhusliku suuruse Y tingliku keskväärtuse ja sõltumatu muutuja X vahel on seos E(YX ) = 0+ 1X Determineeritud regressioonivõrrand kirjeldab seost endogeense ehk sõltuva muutuja Y keskväärtuse ja eksogeensete ehk sõltumatute muutujate Xi vahel. Võrrandi vasakul pool on tinglikud keskväärtused, mis ei sõltu juhusest 4. Stohhastiline regressioonivõrrand. Juhuslik komponent (regressioonijääk). Visualiseerimine (joonis). Stohhastiline regressioonivõrrand sisaldab juhuslikku liiget i

STATISTIKA konspekt

· Normaaljaotus kirjeldab tunnust, mille käitumine on normaalne. Normaaljaotus on piirjaotus, millele lähenevad paljud teised jaotused. · Normaaljaotuse üks parameetritest on standardhälve ehk sigma. · Normaaljaotuse omadused: * normaaljaotus on pidev jaotus *normaaljaotus on täielikult kirjeldatav kahe parameetriga: keskväärtusega ja dispersiooniga 2 *normaaljaotusele vastav kõver on sümmeetriline keskväärtuse suhtes * normaaljaotuse keskväärtus, mood ja mediaan ühtivad. · Mida suurem on standardhälve seda laugem (suurem) on äärmuste vahe!!! · Mediaan jaotab normaaljaotuse tagurpidi U kaheks osaks. Artitmeetiline keskmine on samas kohas kus mediaan kuna äärmused on normaaljaotusel võrdsed. Mood on samuti keskel ehk seal kus mediaan ja aritmeetiline keskmine kuna kõige suurem sagedus on seal (tipp). Aritmeetiline keskmine = Mood = Mediaan. · Normaaljaotuse puhul on tegu sümeetriaga.

Statistika eksamiks

2. on alati moodist suurem 3. on alati geomeetrilisest keskmisest suurem 4. normaaljaotuse puhul on moodiga võrdne 5. ei ükski Standardhälve 1. leitav dispersiooni ruuduga 2. paikneb alati vahemikus 0 ... lõpmatus 3. ei saa olla lineaarhälbest suurem 4. varieeruvas reas = 0 5. ei ükski Normaaljaotuse korral 1. puudub sümmeetria 2. st. hälve = 0 3. Mo = Me ei võrdu aritmeetilise keskmisega 4. keskväärtus on alati = 0 5. ei ükski Seos Y = 18,5 + 0,48 X 1. kirjeldab X-i mõju Y-le 2. kirjeldab seose tugevust 3. kirjeldab Y-i mõju X-le 4. on pööratav ka kujule X = 18,5 + 0,48 Y 5. ei ükski Tasandusjoon Y = 18,5 – 0,48 X 1. näitab kasvavat lineaarset tendentsi 2. parameeter b ei tohi olla negatiivne 3. vabaliige 18,5 kirjeldab joone tõusu 4. igal ajaperioodil väärtused vähenevad 0,48 korda 5. ei ükski Eksponentkeskmine

Analüürimeetodid äriuuringutes kordamisküsimused

5. Mis on kummagi mängija eesmärgiks kahe isiku nullsumma mängus? Kahe isiku nullsummaline maatriksmäng tähendab, et mängijate huvid on diametraalselt vastupidised. Mängijate eesmärgiks kahe isiku nullsumma mängus on võita, ja kuna ühe mängija võit tuleb nn ,,teise taskust", siis võita saab ainult üks, seega iga mängija eesmärgiks on seatud, et just tema võidab. 6. Mida nimetatakse mängu hinnaks? Mängija A võidu ja mängija B kaotuse ühine keskväärtus on mängu hind. 7. Mitu võimalikku käiku on reamängijal ja millises vahekorras peab ta neid valima, kui tema optimaalne strateegia on P 0; 0,75; 0,25 ? Tõenäosus P=(0;0,75;0,25) näitab, et tegemist on reamängija tõenäosustega, veerumängija tõenäosus oleks Q=(q1;q2). Kuna 1.käigu tõenäosus on 0, siis esimesi käike mängija üldse teha ei saa, seega on mängijal kokku 2·2=4 käiku. Mängija teeb käike vastavalt 75% juhtudest 2. käiku ja 25% juhtudest 3. käiku. 8

Standardhälve, SEOSED JA DISPERSIOONANALÜÜS

Mo=Me ei võrdu aritmeetilise keskmisega (kõik peaks võrduma) 4. geom. Keskmine ja aritm. Keskmne on alati sama tähendusega 5. kolmandat järku standardmoment on võrdne nulliga 6. neljandat järku standardmoment on võrdne kolmega 7. kui ekstsess on neg, siis jaotuskõver on lamedam ja laiem 8. puudub sümmeetria (esineb sümmeetria) 9. standarthälve = 0 (siis on sirge) 11. keskväärtus on alati = 0 (ei ole alati, näiteks vanus või pikkus) Kümne aasta pikkusele aegreale arvutati tasandusjoone võrrand Y=20,5 ­ 2,5X. Kuidas saadud tulemus tõlgendada? 1. See funktsioon näitab sõltuva ja sõltumatu muutuja vahel väga tugeva seose olemasolu 2. Mitte kuidagi, sest parameeter b ei saa tulla negatiivne 3. Näitab sõltuva muutuja 2,5 ühikulist vähenemist x-i ühe ühikulise juurdekasvu korral 4

Spikker

NW on aja ja autoregressive transfer funktsioonil, mis on antud Juhuslik signaal ­ signaal, mille vähemalt üks Saadud funktsioon näitab energia jaotust sageduse ribalaiuse korrutis, mis käib andmete kujul parameeter on juhuslik muutuja. Juhusliku muutuja järgi, mistõttu seda nimetatakse energia spektriks. aknafunktsioone määravate Slepiani ridade kohta. mõistus algab aga tõenäosuse mõistest. Juhuslik Energia spekter on sageduse pidev funktsioon. Hinnangu määramisel on kasutusel 2*NW-1 akent.

Ökonomeetria

majandusnähtuste vahelise seose tugevuse ja usaldatavuse ning samas ka seose funktsionaalse vormi. Regressioonianalüüsi põhiülesanded:1) hinnata kvantitatiivselt majandusnähtuste vaheliste seoste suunda, tugevust ja kuju; 2)prognoosida maj. nähtuste ja ­protsesside tõenäosuslikku arengut; 3)kontrollida empiiriliselt maj. teoreetiliste seisukohtade ja hüpoteesi paika pidavust. Regressioonivõrrandiks on lineaarne mitme muutuja funktsioon. Regressioonikordaja i näitab mitme ühiku võrra muutub sõltuv muutuja Yt kui sõltumatu muutuja Xi muutub 1 ühiku võrra. Kui regressioonmudelis on 1 sõltumatu muutuja, siis on tegemist lihtsa regressioonvõrrandiga Y=b0+ b1xi+ei, i=1,2...n. Kui sõltumatuid muutujaid on vähemalt 2 (k>2), siis on tegemist mitmese regressioonimudeliga. Enim praktikas kasutusel olev mittelineaarne regressioonvõrrand on ruutmudel e. parabool. Parabooli abil on

Statistika kordamisküsimused

Pidev suurus - väärtused täidavad mingi vahemiku täielikult ära Jaotusseadus - Diskreetse juhusliku suuruse X jaotusseaduseks nimetatakse vastavust suuruse kõikvõimalike väärtuste xi ja nende tõenäosuste pi vahel. Jaotusfunktsioon - tõenäosus, et juhusliku suuruse X väärtus on väiksem-võrdne mingist reaalarvust x. Valem: F(x)=P(X<=x) Keskväärtus ehk oodatav väärtus - Kui juhusliku suuruse X väärtuse xi esinemise tõenäosus on pi , siis selle juhusliku suuruse keskväärtus ehk oodatav väärtus. Oodatav väärtus on otsustamisel kriteeriumiks. Valitakse see alternatiiv, mille korral oodatav väärtus on ekstremaalne. Näiteks: oodatav kasum maksimaalne,oodatav kulu minimaalne Valem: µ=E[X]= ∑ pixi Dispersioon – diskreetse juhusliku suuruse dispersioon σ^2=∑(xi-µ)^2*pi Pidev juhuslik suurus - Pideva juhusliku suuruse korral ei saa rääkida mingi üksiku konkreetse väärtuse esinemise tõenäosusest

Ökonomeetria eksam

vastavate majandusnäitajate kujunemist tulevikus. Ökonomeetriliste probleemide lahendamiseks hangitavad arvandmed jagunevad kahte liiki: läbilõikeandmed , mis kujutavad endast valimit erinevate majandusüksuste(ettevõtete, talude, maakondade jne.) majandustegevust iseloomustavatest näitajatest. Kõik vaatlustulemused iseloomustavad ühte ja sama ajahetke või ajavahemikku.Aegread,mis iseloomustavad ühe ja sama majandusüksuse tegevust teatud perioodi kestel. Aegrida moodustavad näitajad kujutavast endast makromajanduslikke näitajaid( sisemajanduse koguprodukt, tarbijahinna indeks). Enamik ökonomeetrias kasutatavaid arvandmeid on hangitud statistikaorganite poolt, seega ökonomeetria vaatleb majandusprotsesse passiivselt. Ökonomeetrilise analüüsi põhialuseks on majandusteooria järeldused antud probleemi kohta. Ökonomeetriliseks mudeliks nim-teoreetiliste seisukohtade kogumit, mida me konkreetses analüüsis kasutame

Analüüsimeetodid äriuuringutes loengukonspekt

problemaatikamudelid (rahandus, logistika v muu valdkond) 3. Matemaatiliste seoste järgi: funktsionaalsed (determineeritud) mudelid; stohhastilised (juhuslikkust arvestavad); lineaarsed mudelid; mittelineaarsed; aditiivsed ja multiplikatiivsed 4. Aja arvestamise järgi: staatilised mudelid (konkreetse hetke sisu); dünaamilised mudelid. Staatilisest võib tekitada dünaamilise kui lisada aegrida 5. Kasutatavate mõõtühikute järgi: naturaalsed mudelid (töökoha tasand); väärtuselised; segamudelid; standardiseeritud (standardiseeritud mastaap, kõik x ja y ühte mõõdupuusse, jagatakse läbi standardhälbega, koefitsientide saamine); protsentuaalsed mudelid (algandmed protsentides, kasvu, juurdekasvu, indeksi protsent) 6. Lihtsustatuse astme järgi: agregeeritud mudelid (ühetaoliste majandussubjektide koondamine sektoriteks);

Harilik lineaarne regressioonmudel

Loenguplaan · Seos kahe tunnuse vahel ­ kovariatsioon ­ korrelatsioon Harilik lineaarne · Harilik lineaarne regressioonmudel ­ Vähimruutude meetod parameetrite hinnangute leidmiseks regressioonmudel ­ ­

Statistiline modelleerimine teooria kokkuvõte 2020

Statistiline modelleerimine – kokkuvõte Muutujad:  Sõltuvad muutujad (dependent, outcome variables) – muutujad, mis on uurimise keskmes, millele uurija arvab, et teised muutujad mõju avaldavad. Nö katseisikust sõltuv muutuja.  Sõltumatud muutujad (independent, predictor variables) – muutujad, mille kohta uurija arvab, et neil võiks olla mõju uuritavatele muutujatele.  Statistilise analüüsi keskmes on uurida, kuidas teatud tunnused koos muutuvad.  Kui on vaja muutujat iseloomustada, on kaks põhilist viisi, kuidas seda teha: o Milline on selle muutuja tüüpiline väärtus? o Kui hästi iseloomustab see tüüpiline väärtus kõiki mõõdetud juhtumeid? Ehk

Statistika testid

sündmuste A ja B summa 2. Sündmus C, mille korral toimub nii sündmus A kui ka sündmus B ­ C on sündmuste A ja B korrutis 3. Kindel on see, et toimub kas sündmus A või sündmus B või sündmus C ­ A, B ja C moodustavad täeliku süsteemi 2. Juhusliku suuruse X väärtuste hulk on {2; 4; 5}. Vastavate väärtuste esinemise tõenäosused on p(2)=0,5; p(4)=0,2 ja p(5)=0,3. Suuruse X keskväärtus on järelikult 3,3 3. Kui sündmuse A tõenäosus p(A)= 0,7, siis selle vastandsündmuse tõenäosus on 0,3 4. Visatakse korraga kahte täringut. Kui suur on tõenäosus, et mõlemal täringul tuleb silmade arv "6"? 1/36 5. Kui p(A)=p(A|B), siis sündmused A ja B on sõltumatud 6. Kahe sündmuse korrutise tõenäosus võrdub nende sündmuste korrutiste tõenäosusega, kui sündmused A ja B on sõltumatud. 7

Rakendusstatistika kokkuvõte

Seega saab juhuslike suuruste liitumisel tekkivate juhuslike suuruste jaotust vähemalt ligikaudu kirjeldada normaaljaotusega. Ei ole vaja suur liidetavate arvu, lubatav on liidetavate mõningane vastastikune sõltuvus, normaaljaotusega liidetavate summa jaotus on täpselt normaaljaotus, katseandmete analüüsi kogemus paljudes valdkondades on näidanud, et suur enamus katseandmeid on hästi kirjeldatavad normaaljaotusega. Normaaljaotusel on kaks parameetrit, mis on vastava juhusliku suuruse keskväärtus ja standardhälve. Normaaljaotus on sümmeetriline. Normeeritud normaaljaotus on normaaljaotuse erijuhtum, kui keskväärtus ja standardhälve on vastavalt 0 ja 1. Tähistatakse X-N(0,1). K sigma reegel: näitab, kui suur on juhusliku suuruse normaaljaotuse korral tõenäosus sattude piirkonda keskväärtus pluss-miinus k standardhälve. Lognormaalne jaotus tekib, kui vaadeldava juhusliku suuruse logaritm on jaotunud

ÜLEVAADE TÕENÄOSUSTEOORIA PÕHIMÕISTETEST

vähemalt ligikaudu kirjeldada normaaljaotusega. Ei ole vaja suur liidetavate arvu, lubatav on liidetavate mõningane vastastikune sõltuvus, normaaljaotusega liidetavate summa jaotus on täpselt normaaljaotus, katseandmete analüüsi kogemus paljudes valdkondades on näidanud, et suur enamus katseandmeid on hästi kirjeldatavad normaaljaotusega. Normaaljaotusel on kaks parameetrit, mis on vastava juhusliku suuruse keskväärtus ja standardhälve. Normaaljaotus on sümmeetriline. Normeeritud normaaljaotus on normaaljaotuse erijuhtum, kui keskväärtus ja standardhälve on vastavalt 0 ja 1. Tähistatakse X~N(0,1). K sigma reegel: näitab, kui suur on juhusliku suuruse normaaljaotuse korral tõenäosus sattude piirkonda keskväärtus pluss-miinus k standardhälve. Lognormaalne jaotus tekib, kui vaadeldava juhusliku suuruse logaritm on jaotunud normaaljaotuse

Statistiline modelleerimine praktikumide juhised.

1. PRAKTIKUM 1) JÄRJESTAMINE NOOREMAST VANIMANI Parmeklõps Sort Ascending/Descending -> Kasvavas/Kahanevas järjestuses Data ­ Sort cases ­ Sort Ascending/Sort Descending (tuleb valida muutujad ka) 2) VARIABLE VIEW 3) KIRJELDAVAD ANDMED Leiame vanusele antud hinnangute keskmise, moodi, mediaani, maksimaalse ning minimaalse hinnangu. + HISTOGRAMM Käsklusrida: Analyze - Descriptive statistics ­ Frequencies. Muutujatekasti liigutage muutuja. Statistics -Mean, Mode, Median, Minimum, Maximum. Charts - Histograms 2. PRAKTIKUM 1) UUE MUUTUJA ARVUTAMINE Tihtipeale tuleb andmete töötlemise jooksul tekitada uusi muutujaid eelmiste muutujate põhjal. Käesolevas praktikumis tutvume uue muutuja arvutamise põhitõdedega. Etteruttavalt võib öelda, et me arvutame saadavaloleva andmestiku põhjal uueks muutujaks kehamassiindeksi (BMI ­ body mass index). Käsklusrida:

Süsteemiteooria kordamisküsimused

olekuid ja need omakorda väljundit. Lisaks on olemas ka häiringud ehk sisendid süsteemil, mis on enamasti juhusliku iseloomuga ning mõjutavad/häirivad süsteemi käitumist, kontrollimatult ja tundmatu algupäraga. Ka häiringu rakenduskoht süsteemis on tihti ebaselga. Häiringuid saab käsitleda väljundsignaali tundmatu komponendina, ei ole mõõdetavad. Mittestatsionaarse süsteemi puhul sõltub olekusiirdefunktsioon ajast, statsionaarse puhul mitte. Kui igale sisendile vastab sama väljund, siis süsteem on staatiline ehk samale sisendile pannakse vastu konkreetne väljund, (väga aeglaselt muutuvate olekutega süsteem). Väljund sõltub ka sellest olekust, mis tal on või oli ja siis on protsess dünaamiline (muutuvad ajas). Süsteemi matemaatiline mudel ja selle koostamine: Süsteemi matemaatiline mudel on süsteemis toimivate füüsikaliste või muu päritoluga protsesside seaduspärasuste alusel koostatud

Süsteemiteooria kordamisküsimused

süsteemil eripärased. Matemaatilise mudeli muutujad (ajast sõltuvad liikmed) kirjeldavad süsteemis toimuvaid dünaamilisi protsesse ja on üldiselt (vähemalt põhimõtteliselt) mõõdetavad. Orienteeritud süsteemis, kus on valdavalt tegemist informatsioonilise protsessidega, nimetatakse muutujaid tihti ka signaalideks. Kõik süsteemi muutujad on esitatavad reaalarvuliste hetkväärtustega aja funktsioonidena. Mistahes muutuja hetkväärtused võivad sõltuda teiste muutujate samadele või varasematele ajamomentidele vastavatest hetkväärtustest, kuid mitte tulevaste ajamomentide hetkväärtustest. Süsteemi (või selle elementide) parameetrid on süsteemi või tema elementide iseloomustus-suurused, mis esinevad enamasti dimensiooniga kordajatena süsteemi või mõnda elementi iseloomustavais võrrandeis (matemaatilises mudelis). Parameetrid võivad olla konstandid, sõltuda ajast või mudeli muutujatest

Operatsioonijuhtimine

on järgmine: vajadus, funktsioonid, uue toote näitajad, süsteemi struktuuri muutmine. Klassikaline MC meetod põhineb ühtlase jaotusega juhuslikel väärtustel. Meetodi lähtepunktist j-ndasse sihtpunkti. Otsitakse veoplaani, mis minimeeriks summaarse Kompleksne lähenemisviis ­ arvestavad juhid tehniliste, ökoloogiliste, majanduslike, rakendamine seisneb järgmiste tegevuste sooritamises: *määrame muutuja väärtuse veomaksumuse. Üldjuhul võib transpordiülesandes olla antud veotariifi asemel mõni muu organisatsiooniliste, sotsiaalseteja psühholoogiliste aspektidega ja nendevaheliste seostega. jaotumise ja esinemise sageduse, arvutame sageduse esinemise tõenäosuse; *arvutame kriteerium (kogus, kaugus). On loodud rida häid lahendus-meetodeid: loodenurga reegel, Kui mõnd aspekti ei arvestata, siis ei ole lahendus täiuslik

ÖKONOMEETRIA loegn 1

· Mõõteskaalad, keskmised (aritmeetiline, mediaan, mood), · Põhiõpik varieerumine. ­ Gujarati, D., Basic Econometrics · Tõenäosus p(A), tinglik tõenäosus p(A|B). · 3. trükk, TTÜ raamatukogus 20 eks · Keskväärtus E(x), dispersioon 2 (x), var(x). · 4. trükk, võimalik leida pdf fail · Jaotusseadused: normaaljaotus, t-jaotus, F-jaotus, 2 ­ jaotus. · Täiendav kirjandus ­ Paas, T. Sissejuhatus ökonomeetriasse. Tartu, 1995. · Valimvaatlused, usalduspiirid. (TTÜ rmtk momendil saadaval 18 eks)

Süsteemiteooria 4-nda KT vastused

aga ka võimalus mudeli parameetreid piisava täpsusega määrata. 1.3, Muutujad ja parameetrid Matemaatilise mudeli muutujad (ajast sõltuvad liikmed) kirjeldavad süsteemis toimuvaid dünaamilisi protsesse ja on üldiselt (vähemalt põhimõtteliselt) mõõdetavad. Orienteeritud süsteemis, kus on valdavalt tegemist informatsioonilise protsessidega, nimetatakse muutujaid tihti ka signaalideks. Kõik süsteemi muutujad on esitatavad reaalarvuliste hetkväärtustega aja funktsioonidena. Mistahes muutuja hetkväärtused võivad sõltuda teiste muutujate samadele või varasematele ajamomentidele vastavatest hetkväärtustest, kuid mitte tulevaste ajamomentide hetkväärtustest. Süsteemi (või selle elementide) parameetrid on süsteemi või tema elementide iseloomustus-suurused, mis esinevad enamasti dimensiooniga kordajatena süsteemi või mõnda elementi iseloomustavais võrrandeis (matemaatilises mudelis). Parameetrid võivad olla konstandid, sõltuda ajast või mudeli muutujatest

Ökonomeetriline projekt

jalanõudele. Kaalutud hinnad näitavad riikidevahelist tarbekaupade hindade võrdlust. See näitab hindade ajalist muutust ja hindade taset. Töötuse määr on tarbimiskulutuste seisukohalt samuti oluline, sest kui inimene on töötu, on ta sissetulek väiksem ja saab teha vähem kulutusi. Antud projektis on tegemist ühendatud andmete analüüsiga ning sellele vastavalt on andmete analüüsimiseks moodustatud järgmine mudel: Yi=β0+β1X1i+β2X2i+β3X3i+D1i+u Yi-sõltuv muutuja, riietele ja jalanõudele tehtavad kulutused i-ndas riigis aastatel 2007 ja 2010 X1i-sõltumatu muutja, SKP inimese kohta i-ndas riigis aastatel 2007 ja 2010(eurodes) X2i- netosissetulek i-ndas riigis aastatel 2007 ja 2010 (ostujõu pariteedi ühikutes) X3i-töötuse määr i-ndas riigis aastatel 2007 ja 2010 (%) D1i- fiktiivne muutuja, mis tähistab aastat (D1i=0 aastal 2007 ja D1i=1 aastal 2010) ui- juhuslik komponent ehk vealiige β0 – mudeli vabaliige

Andmeanalüüsi konspekt

....................................6 Kurskall-Wallise test (e. mitteparameetriline ANOVA)..........................................7 T-test sõltumatute gruppidega............................................................................ 7 T-test sõltuvate gruppidega................................................................................. 8 Mann-Whintey U Test (e. mitteparameetriline t-test)...........................................8 Korrelatsioon....................................................................................................... 9 Lineaarne (paaris)regressioon...........................................................................10 Logistiline regressioon....................................................................................... 11 1 Andmefailid SPSS'is

Tõenäosusteooria ja statistika

(graafik läheb üles ja siis alla). 23. Juhusliku suuruse antud vahemikku langemise tõenäosus – Kui on tarvis leida kui tõenäone on, et juhuslik suurus omandab väärtuse  antud x1 ja x2 vahel. Sellisel juhul räägitakse sündmusest ,,juhusliku suuruse sattumine antud vahemikku’’ ja tähistame P(x1 keskväärtus – oodatav väärtus. Tähistatakse tavaliselt E(X). Keskväärtus on üks konstant, nn’’keskmine’’ väärtus, millest osa juhusliku suuruse väärtusi on väiksemad, osa suuremad. Sõreda juhusliku suuruse korral tuleb E(X)=X1*P1+X2*P2... Pideva valem : E(X)=∫x*p(x)dx, üleval +∞ all -∞. Keskväärtuse OMADUSED: E(cX)=c*E(X), kus c on konstant. ; E(c+X)=c+E(X); kui a ja b on

Süsteemi teooria

täpsuPeavad olema mingid algtingimused, sisend, väljund, muutujad, parameetrid {p}. Kui p=const, siis on statsionaasüsteem; kui p(t)-funktsioon ajast, siis on mittestatsionaarne süsteem. Reaalne süsteem --(modelleerimine)-- Mudel --(realiseerimine)-- Reaalne süsteem. Väljund on sisendist sõltuv, sisendmuutuja aga ei sõltu üldse süsteemist. 2.2Milliseid mudeleid kasutatakse lineaarsete statsionaarsete pidevaja süsteemide kirjeldamisel? Statsionaarse süsteemi analüüsi võib alati alustada meelevaldsest ajahetkest to ning lugeda seda endiselt null-ajahetkeks. Väljundmuutuja ajaline käitumine leitakse diferentsiaalvõrrandi lahendamisel etteantud sisendmuutuja korral. Algtingimused, mis väljendavad süsteemisiseseid akumulatsioone, peavad olema fikseeritud, et saada üheselt määratud lahendit. Alghetkel sisemised akumulatsioonid peavad alati puuduma (=0). Seega algtingimused väljenduvad kujul: y(0)=0; dy(0)/dt=0; d 2y(0)/dt2=0; ..

Konspekt

.................................................... 71 11.1 Korrelatsioonanalüüs ............................................................................................................ 71 11.2 Lineaarse korrelatsioonikordaja puudused ........................................................................... 72 11.3 Determinatsioonikordaja ...................................................................................................... 74 11.4 Mitmene korrelatsioon ......................................................................................................... 74 11.5 Regressioonanalüüs............................................................................................................... 75 12 Aegridade analüüs .............................................................................................................. 81 12.1 Aegrea mõiste ..............................................................................