Influence of financial crisis on Hurst exponent estimates - fractal analysis of selected metals prices
|
|
- Franciszek Szczepaniak
- 8 lat temu
- Przeglądów:
Transkrypt
1 MPRA Muich Persoal RePEc Archive Ifluece of fiacial crisis o Hurst expoet estimates - fractal aalysis of selected metals prices Rafa l Bu la Uiversity of Ecoomics i Katowice 0 Olie at MPRA Paper No. 5970, posted 8. November 04 08:56 UTC
2 Rafał Buła WPŁYW KRYZYSU FINANSOWEGO NA OSZACOWANIA WYKŁADNIKA HURSTA ANALIZA FRAKTALNA CEN WYBRANYCH METALI Słowa kluczowe: Metoda przeskalowaego zasięgu, wykładik Hursta, wymiar fraktaly, kryzys fiasowy. Streszczeie Celem iiejszego artykułu jest wykazaie, że cey wybraych metali otowaych a giełdzie lodyńskiej mają charakter fraktalego błądzeia losowego. W opracowaiu weryfikuje się hipotezę o czaroszumowych własościach stóp zwrotu (częstszym występowaiu zjawiska kotyuacji iż odwracaia tredu). Wykorzystując metodę przeskalowaego zasięgu stworzoą przez Hursta autor potwierdza istieie ok. 4-letiego ieokresowego cyklu w badaych fiasowych szeregach czasowych. Poadto w artykule poddaway oceie jest wpływ światowego kryzysu fiasowego a stabilość uzyskaych oszacowań. Wstęp Począwszy od roku 900, kiedy to Louis Bachelier przedstawił swoją pracę doktorską pt. Théorie de la Spéculatio ekoomiści coraz więcej swojego czasu poświęcali problemowi kształtowaia się ce istrumetów fiasowych, towarów, etc. Efektem szeroko zakrojoych badań było stworzeie wielu kocepcji usiłujących opisać prawa rządzące zachowaiem ce i stóp zwrotu. Do lat sześćdziesiątych XX w. domiowała kocepcja błądzeia losowego (Radom Walk Hypothesis) zakładająca wykorzystaie arytmetyczego ruchu Browa (opisaego przez Bacheliera, Eisteia oraz vo Smoluchowskiego) lub geometryczego ruchu Browa (wprowadzoego przez Samuelsoa oraz Osbore a). Ujawiające się jedak z coraz większą siłą rozbieżości między rzeczywistym a przewidywaym zachowaiem ce zaowocowały powstaiem owych teorii opierających się a zastosowaiu rozkładów α-stabilych, względie rezygacji z założeia o iezależości stóp zwrotu. Wtedy też Beoit Madelbrot stworzył pojęcie fraktala, które astępie zostało wykorzystae przez Edgara Petersa w kocepcji ryku fraktalego (Fractal Market Hypothesis). Bazuje oa a pewej modyfikacji teorii błądzeia losowego hipotezie obciążoego (fraktalego) błądzeia przypadkowego. Metodyka zastosowaa przez Petersa umożliwia określeie zarówo obciążeia, jakim obarczoe jest błądzeie losowe, jak i przeciętej długości istiejącego cyklu ieokresowego. Badaia przeprowadzoe przez tego uczoego wykazały, że zacza liczba zmieych ekoomiczych (m.i. otowaia akcji amerykańskich, wartości ideksu S&P 500, retowości obligacji rządu Staów Zjedoczoych Ameryki Półocej czy wartości ideksów odzwierciedlających poziom produkcji przemysłowej) cechuje się zaczym obciążeiem oraz występowaiem ok. 4-letiego cyklu. Mimo iż w aalizowaym okresie - -
3 miały miejsce trzy wojy, Wielki Kryzys, dwa szoki aftowe oraz trzy załamaia giełdowe oszacowae miary wskazują a istieie regularości w zachowaiu się tych wielkości. Powstaje zatem pytaie, czy także ie zmiee ie podlegają cykliczości oraz obciążoemu błądzeiu przypadkowemu. Na podstawie dotychczasowych badań moża sformułować hipotezę, iż cey pewych towarów mogą zachowywać się zgodie z opisaym uprzedio schematem. Celem iiejszego opracowaia jest zbadaie, czy otowaia wybraych metali hadlowaych a giełdzie lodyńskiej podlegają prawom opisaym przez Petersa. Poadto w artykule zostaie przeaalizoway wpływ kryzysu fiasowego lat a stabilość oszacowań aalizowaych parametrów.. Wprowadzeie Najpopulariejszym modelem opisującym zachowaie stóp zwrotu z rozmaitych aktywów jest model bazujący a geometryczym ruchu Browa opisay stochastyczym rówaiem różiczkowym: ds(t) = μs(t) dt+ σs(t) db(t), () gdzie: { : t 0} S(t) jest procesem stochastyczym odzwierciedlającym ceę istrumetu fiasowego (towaru, etc.), { : t 0} B(t) - procesem stochastyczym azwaym a cześć szkockiego botaika ruchem Browa, µ - parametrem dryfu, zaś σ - parametrem dyfuzji. Proces Browa ma astępujące własości :. B(0) = 0,. Przyrosty procesu są stacjoare i iezależe, 3. Realizacje procesu są fukcjami ciągłymi, 4. Dla dowolego 0 B(t)~ t > zachodzi N0, ( t), czyli proces ma rozkład gaussowski o wartości oczekiwaej rówej zero i wariacji rówej t. Wykorzystując lemat Ito moża rozwiązać powyższe stochastycze rówaie różiczkowe i zaleźć, że: μ - σ t + σb(t) S(t) = S(0) e. Najistotiejszą implikacją wyikającą z uzaia powyższego modelu za prawdziwy jest iezależość logarytmiczych stóp zwrotu. Okazało się jedak, że w rzeczywistości logaryt- () W. Ostasiewicz, Propedeutyka probabilistyki, Wydawictwo Akademii Ekoomiczej im. Oskara Lagego we Wrocławiu, Wrocław 000, s
4 micze stopy zwrotu ie są iezależe. W celu uwzględieia tego faktu zamiast procesu Browa wykorzystao ułamkowy ruch Browa. Ułamkowy ruch Browa { (t): t 0} B H ma podobe własości jak proces Browa, z tym że jego przyrosty ie muszą być iezależe, zaś dla dowolego t > 0 zachodzi B ~ H ( ) H (t) N0, t, czyli proces ma rozkład gaussowski o wartości oczekiwaej rówej zero i wariacji rówej t H, gdzie H ( 0,). Jak widać proces Browa jest szczególym przypadkiem ułamkowego ruchu Browa dla H =. Współczyik H jest azyway współczyi- kiem samopodobieństwa lub wykładikiem Hursta. Kowariacja procesu wyosi EB H (s)b H H > przyrosty procesu są dodatio skore- lowae, a dla H H H ( s + t s t ) (t) =, zatem dla H< ujemie. Stąd dla prawdopodobieństwo kotyuacji iż zmiay tredu, zaś dla H > proces te jest persystety, tj. większe jest H < atypersystety, tj. bar- dziej prawdopodoba jest zmiaa tredu. Co więcej, ułamkowy ruch Browa ma własość cechującą fraktale: jest samopodoby (w sesie statystyczym, dystrybuata zmieej losowej B H (at) jest taka sama jak dystrybuata zmieej losowej a H B(t) dla dowolego a > 0). Twórcą pojęcia fraktala jest Beoit Madelbrot. Stwierdził o, że Fraktal jest zbiorem, dla którego wymiar Hausdorffa Besicovitcha jest większy iż jego wymiar topologiczy. Z kolei defiicja Petersa jest zdecydowaie prostsza: Fraktal jest obiektem, którego części pozostają w pewej relacji do całości 3. Fraktalami będą zatem zbiory samopodobe, złożoe z pomiejszoych kopii samego siebie. Należą do ich m.i. trójkąt Sierpińskiego czy śieżyka Kocha, ale także realizacje wspomiaych uprzedio procesów stochastyczych. Istotą cechą fraktali jest ich wymiar tzw. wymiar fraktaly (D F ). Iformuje o jak bardzo postrzępioy jest day obiekt. Prosta ma wymiar fraktaly rówy, zaś płaszczyza. Wymiar krzywych będzie zatem mieścił sie w przedziale,. Im bardziej będą oe ieregulare, tym będzie o bliższy, zaś dla bardziej regularych bliższy. Dowiedzioo, że wymiar fraktaly ułamkowego ruchu Browa wyosi D F = H. Podsumowując powyższe rozważaia moża stwierdzić, że gdy: B. Madelbrot, The Fractal Geometry of Nature, W. H. Freema ad Compay, New York 983, s E.E. Peters, Chaos ad Order i the Capital Markets, Joh Wiley & Sos, Ic., New York et al. 99, s
5 . H= 0, 5 to D F =, 5 - mamy wówczas do czyieia z szumem białym, tj. prawdopodobieństwa kotyuacji i zmiay tredu są sobie rówe,. H ( 0,5;) to ( ;,5) D F - mamy wówczas do czyieia z szumem czarym, tj. prawdopodobieństwo kotyuacji tredu jest większe iż prawdopodobieństwo jego zmiay (szereg persystety), 3. H ( 0; 0,5) to (,5; ) D F - mamy wówczas do czyieia z szumem różowym, tj. prawdopodobieństwo zmiay tredu jest większe iż prawdopodobieństwo jego kotyuacji (szereg atypersystety). Większość ekoomiczych szeregów czasowych badaych dotychczas cechowała się persystetością. Aalizy Petersa pokazały, że jedyie zmieość (mierzoa odchyleiem stadardowym) miała charakter szumu różowego (takiego wyiku ależało oczekiwać jak bowiem zaobserwowao krótkie okresy o podwyższoej zmieości szybko przechodzą w krótkie okresy o obiżoej zmieości).. Aaliza przeskalowaego zasięgu Metoda przeskalowaego zasięgu (R/S aalysis) została stworzoa przez hydrologa Harolda Edwia Hursta, który badał przy jej pomocy wylewy Nilu. Badając jak skaluje się zasięg szeregów czasowych umożliwia oa określeie wartości współczyika samopodobieństwa H, azwaego a cześć tego uczoego wykładikiem Hursta. Przebiega oa astępująco:. Dyspoując szeregiem czasowym ce wybraego istrumetu fiasowego o długości N+ tworzymy szereg logarytmiczych stóp zwrotu o długości N: P t r = t l dla Pt t=,,..., N, gdzie r t logarytmicza stopa zwrotu w okresie t, P t cea istrumetu a koiec okresu t.. Dzielimy szereg logarytmiczych stóp zwrotu a m podszeregów o długości, tak by 0 N m<. Dla każdego podszeregu obliczamy wartość średiej logarytmiczej stopy zwrotu t= k + k r = oraz lokale odchyleie stadardowe k r t t= k + k S k = ( rt rk), k =,,..., m
6 t 3. Tworzymy m owych podszeregów, w te sposób, że + z t = ri r, t t i= + t =,,..., N. Dla każdego k obliczamy zasięg jako R = max ( z ) mi ( z ). 4. Obliczamy średi przeskaloway zasięg jako ( ) = 5. Powtarzamy to postępowaie dla N = 0,,...,. k m t= k +,...,k m k R/S. k= R S k t t= k +,...,k H 6. Poieważ dla daego zachodzi E( (R/S) ) = c, zatem przybliżając ( ) (R/S) otrzymujemy ( ) H c, czyli l( R/S) l ( c) + H l ( ) R/S liiową możemy oszacować H. E (R/S) przez. Stosując regresję Nawet jeżeli baday proces ma charakter białego szumu, to ze względu a wykorzystaie skończoych szeregów czasowych oczekiwaa wartość H jest róża od. Stosując teoretyczą wartość oczekiwaą E ((R/S) ) obliczoą przez Aisa i Lloyda 4 : ( ) i E (R/S) =, (3) i= i π moża obliczyć skorygowae H dodając do współczyik regresji (R/S) E ( ) (R/S) względem l( ) 5. W te właśie sposób postąpioo w iiejszej pracy. Jedocześie ie stosowao uproszczoych wzorów służących do obliczaia E ((R/S) ), ze względu a fakt iż mimo poprawki Petersa mogą oe prowadzić do zaczących błędów 6. W opracowaiu wyko- t 4 J. Stawicki, E.A. Jaiak, I. Müller-Frączek, Różicowaie fraktale szeregów czasowych wykładik Hursta i wymiar fraktaly [w:] Dyamicze modele ekoometrycze: materiały a V Ogólopolskie Semiarium Naukowe, 9- wrześia 997. Towarzystwo Naukowe Orgaizacji i Kierowictwa Dom Orgaizatora, Toruń 997, s R. Wero, Estimatig log-rage depedece: fiite sample properties ad cofidece itervals, Physica A 00, vol. 3, s J. Purczyński, Wybrae problemy umerycze stosowaia aalizy R/S, Przegląd Statystyczy 000, r -, s
7 - 6 - rzystao pewe własości fukcji gamma, miaowicie ( ) ( ) p p p = +, ( ) = oraz π =. Ozaczamy = α. Dla + mamy: α α = = + + = + + = +. (4) Z kolei dla = zachodzi π =, a dla = 3 π 3 3 =. Uwzględiając te własości moża wartości ilorazu obliczać w sposób rekurecyjy. Uzyskawszy oszacowaie H ależy określić, czy istieją dostatecze przesłaki pozwalające odrzucić hipotezę, że H=. W tym celu Peters rozważa szereg zmieych o rozkładzie gaussowskim i sugeruje, by hipotezę powyższą odrzucać, gdy N, N H + 7. Podejście to jest często stosowae, choć trzeba zauważyć, że opiera się oo a hipotezie o ormalości badaych zmieych, poieważ w pozostałych przypadkach rozkład H ie jest zay 8. 7 E.E. Peters, Fractal Market Aalysis, Joh Wiley & Sos, Ic., New York et al. 994, s R. Wero, Estimatig... op. cit., s. 88.
8 Rysuek. Aaliza R/S dla produkcji przemysłowej w Staach Zjedoczoych Ameryki Półocej Źródło: Opracowaie włase a podstawie daych Federal Reserve Bak of St. Louis, [dostęp 6 lutego 0]. Procedura stworzoa przez Hursta umożliwia także wykrycie istieia cykli oraz oszacowaie przeciętej długości jedego cyklu. W tym celu dokoujemy regresji liiowej wykorzystując szereg przeskalowaych zasięgów dla kolejych. Zajdując maksymale H w zależości od możemy określić po upływie jakiego czasu szereg traci pamięć. Przykładowe wyiki przedstawioo dla produkcji przemysłowej w Staach Zjedoczoych Ameryki Półocej (dae miesięcze). Wykorzystując opisaą powyżej procedurę uzyskao przeskalowae zasięgi. Aalizując prezetoway wykres ależy stwierdzić, że długość cyklu wyosi ok. 55 miesięcy, tj. 4,58 roku. Po upływie tego okresu pamięć szeregu zaika. Wykładik Hursta oszacowao a 0,6850, co świadczy o jego persystetości. 3. Wyiki Wykorzystując metodę R/S badaiu poddao szeregi czasowe reprezetujące cey metali otowaych a giełdzie lodyńskiej (Lodo Metal Exchage). Ze względu a długość dostępych szeregów przeaalizowao kształtowaie się ce: alumiium stop (AAC), alumiium (ALC), miedzi (CO), ołowiu (LE), iklu (NI), cyy (TI) i cyku (ZI). W badaiu wykorzystao cey atychmiastowe a zamkięciu sesji w ostatim diu hadlowym każdego miesiąca (dae pochodzą z serwisu stooq.pl). W pierwszej kolejości oszacowao omawiae uprzedio miary dla otowań pochodzących z okresu Następie dokoao - 7 -
9 obliczeń wykorzystując dae uwzględiające dodatkowo kwotowaia z okresu , tj. obejmujące lata ostatiego kryzysu fiasowego 9. Praktyczie w każdym przypadku aaliza R/S pozwoliła a wykrycie pewego cyklu ieokresowego o długości od 3,7 do 4,4 roku. Rezultaty te są spóje z wyikami otrzymaymi dla produkcji przemysłowej w Staach Zjedoczoych Ameryki Półocej oraz wioskami sformułowaymi przez Petersa. Wszystkie badae szeregi czasowe cechują się persystetością mają charakter szumu czarego. Obliczoa wartość wykładika Hursta waha się od 0,5570 dla cyku (kwotowaia ) do 0,747 dla iklu (kwotowaia ). Z wyjątkiem cyku i ołowiu (kwotowaia ) wszystkie oszacowaia wykraczają poza przedział, N + N, co świadczy o istotości uzyskaych rezultatów (w tabeli dolą graicę przedziału ozaczoo jako H d, zaś górą jako H u ). Jedocześie obliczoo wykładik Hursta H S dla szeregów posortowaych w sposób losowy. Jak wyika z daych zawartych w tabeli wartości te są zdecydowaie iższe iż wyjściowe współczyiki samopodobieństwa. Świadczy to o istieiu pamięci procesu, która została uicestwioa przez losowe sortowaie. Wykorzystując wzór D F = H obliczoo także wymiar fraktaly. W każdym aalizowaym przypadku jest o zdecydowaie iższy iż,5, co potwierdza hipotezę głoszącą iż badae szeregi mają charakter persystety. Trzeba także podkreślić, że uwzględieie kwotowań z okresu jedyie w iewielkim stopiu wpłyęło a oszacowae wykładiki Hursta oraz estymowaą długość cyklu. Odmieość wyików uzyskaych dla cyku i ołowiu ależy raczej przypisać wykorzystaiu krótszych szeregów czasowych w przypadku kwotowań iż wpływowi kryzysu fiasowego lat W iiejszej pracy przyjęto, że początek kryzysu fiasowego przypada a czerwiec 007 r., tj. miesiąc w którym zaistiało ryzyko iewypłacalości fuduszy iwestycyjych baku Bear Stears zaagażowaych a amerykańskim ryku ieruchomości
10 Tabela. Wyiki aalizy R/S dla wybraych metali ( ) Metal N H H d H u H S D F Długość cyklu Alumiium (stop) 7 0,644 0,438 0,576 0,507,3586 3,58 Alumiium 0 0,5866 0,436 0,5674 0,473,434 4,33 Miedź 0 0,587 0,436 0,5674 0,487,49 3,7 Ołów 0 0,569 0,436 0,5674 0,468,438 - Nikiel 0 0,775 0,436 0,5674 0,54,85 4,5 Cya 4 0,69 0,436 0,5684 0,4884,3709 4,4 Cyk 0 0,5570 0,436 0,5674 0,558,4430 3,83 Źródło: Opracowaie włase a podstawie [dostęp 6 lutego 0]. Tabela. Wyiki aalizy R/S dla wybraych metali ( ) Metal N H H d H u H S D F Długość cyklu Alumiium (stop) 8 0,6553 0,4338 0,566 0,5459,3447 3,75 Alumiium 76 0,5946 0,4398 0,560 0,4984,4054 4,33 Miedź 76 0,5848 0,4398 0,560 0,469,45 3,5 Ołów 76 0,5790 0,4398 0,560 0,4663,40 3,4 Nikiel 76 0,747 0,4398 0,560 0,5386,753 4,33 Cya 70 0,669 0,439 0,5609 0,508,338 4,5 Cyk 76 0,6088 0,4398 0,560 0,456,39 3,83 Źródło: Opracowaie włase a podstawie [dostęp 6 lutego 0]
11 Rysuek. Aaliza R/S dla wybraych metali ( ) Alumiium (stop) Alumiium Miedź Ołów Nikiel Cya Cyk Źródło: Opracowaie włase a podstawie [dostęp 6 lutego 0]
12 Rysuek 3. Aaliza R/S dla wybraych metali ( ) Alumiium (stop) Alumiium Miedź Ołów Nikiel Cya Cyk Źródło: Opracowaie włase a podstawie [dostęp 6 lutego 0]. - -
13 Zakończeie W iiejszym opracowaiu ukazao przydatość metody przeskalowaego zasięgu do aalizy fiasowych szeregów czasowych. Zaprezetowae w pierwszej części artykułu omówieie aspektów metodyczych aalizy R/S zostało wykorzystae w dalszej części pracy poświęcoej badaiu kształtowaia się ce wybraych metali otowaych a giełdzie lodyńskiej. Metoda ta umożliwiła wykrycie istieia ok. 4-letiego cyklu w badaych szeregach czasowych oraz potwierdziła, iż mają oe charakter czarego szumu (są persystete). Co więcej, oszacowaia wykładika Hursta oraz przeciętej długości cyklu ieokresowego okazały się praktyczie iewrażliwe a występujące w gospodarce światowej zjawiska kryzysowe. Świadczy to o odporości metody Hursta oraz przemawia a korzyść hipotezy, głoszącej iż zacza część fiasowych szeregów czasowych ma charakter obciążoego błądzeia przypadkowego. Wioski te są spóje z uzyskaymi przez Petersa rezultatami dla gospodarki Staów Zjedoczoych Ameryki Półocej. Bibliografia. Jajuga K., Papla D., Teoria chaosu w aalizie fiasowych szeregów czasowych - aspekty teoretycze i badaia empirycze [w:] Dyamicze modele ekoometrycze: materiały a V Ogólopolskie Semiarium Naukowe, 9- wrześia 997. Towarzystwo Naukowe Orgaizacji i Kierowictwa Dom Orgaizatora, Toruń Madelbrot B., The Fractal Geometry of Nature, W. H. Freema ad Compay, New York Ostasiewicz W., Propedeutyka probabilistyki, Wydawictwo Akademii Ekoomiczej im. Oskara Lagego we Wrocławiu, Wrocław Peters E.E., Chaos ad Order i the Capital Markets, Joh Wiley & Sos, Ic., New York et al Peters E.E., Fractal Market Aalysis, Joh Wiley & Sos, Ic., New York et al Purczyński J., Wybrae problemy umerycze stosowaia aalizy R/S, Przegląd Statystyczy 000, r Stawicki J., Jaiak E.A., Müller-Frączek I., Różicowaie fraktale szeregów czasowych wykładik Hursta i wymiar fraktaly [w:] Dyamicze modele ekoometrycze: materiały a V Ogólopolskie Semiarium Naukowe, 9- wrześia 997. Towarzystwo Naukowe Orgaizacji i Kierowictwa Dom Orgaizatora, Toruń
14 8. Wero A., Wero R., Iżyieria fiasowa, Wydawictwa Naukowo-Techicze, Warszawa Wero R., Estimatig log-rage depedece: fiite sample properties ad cofidece itervals, Physica A 00, vol. 3. INFLUENCE OF FINANCIAL CRISIS ON HURST EXPONENT ESTIMATES FRACTAL ANALYSIS OF SELECTED METALS PRICES Key words: Rescaled rage aalysis, Hurst expoet, fractal dimesio, fiacial crisis. Summary The mai purpose of this article is to prove that prices of selected metals quoted at Lodo Metal Exchage could be described as biased radom walks. I this paper hypothesis of black oise character of returs is verified (sequeces are observed more frequetly tha reversals). Exploitig Hurst s method of rescaled rage author cofirms that aalyzed fiacial time series are characterized by 4-year operiodic cycle. Moreover ifluece of world fiacial crisis o stability of calculated estimates is assessed
Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,
Bardziej szczegółowoZeszyty naukowe nr 9
Zeszyty aukowe r 9 Wyższej Szkoły Ekoomiczej w Bochi 2011 Piotr Fijałkowski Model zależości otowań giełdowych a przykładzie otowań ołowiu i spółki Orzeł Biały S.A. Streszczeie Niiejsza praca opisuje próbę
Bardziej szczegółowoStruktura czasowa stóp procentowych (term structure of interest rates)
Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,
Bardziej szczegółowoROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO
Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia
Bardziej szczegółowoBADANIA DOCHODU I RYZYKA INWESTYCJI
StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;
Bardziej szczegółowoWERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa
Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut
Bardziej szczegółowoEstymacja przedziałowa
Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1
KURS STATYSTYKA Lekcja 3 Parametrycze testy istotości ZADANIE DOMOWE www.etrapez.pl Stroa Część : TEST Zazacz poprawą odpowiedź (tylko jeda jest prawdziwa). Pytaie Statystykę moża rozumieć jako: a) próbkę
Bardziej szczegółowoMatematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.
Komisja Egzamiacyja dla Aktuariuszy XLVII Egzami dla Aktuariuszy z 6 paździerika 2008 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Kredytobiorca
Bardziej szczegółowoSTATYSTYKA I ANALIZA DANYCH
TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica
Bardziej szczegółowoTrzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w
Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to
Bardziej szczegółowoElementy modelowania matematycznego
Elemety modelowaia matematyczego Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Modelowaie daych (ilościowe): Metody statystycze: estymacja parametrów modelu,
Bardziej szczegółowoWYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ
WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM RACHUNEK EKONOMICZNY W ELEKTROENERGETYCE INSTRUKCJA DO ĆWICZENIA
Bardziej szczegółowo1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o
1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady
Bardziej szczegółowoma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y
Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy
Bardziej szczegółowoModele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017
STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej
Bardziej szczegółowo3. Regresja liniowa Założenia dotyczące modelu regresji liniowej
3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi
Bardziej szczegółowoMatematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.
Matematyka fiasowa 08.10.2007 r. Komisja Egzamiacyja dla Aktuariuszy XLIII Egzami dla Aktuariuszy z 8 paździerika 2007 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:...
Bardziej szczegółowoMetody analizy długozasięgowej
Copyright (c) 999-00 by Hugo Steihaus Ceter Metody aalizy długozasięgowej Adrzej Zacharewicz Warsztat aalizy zależości długotermiowej jest wciąż rozwijay i udoskoalay. Od czasów Hursta (95) i jego aalizy
Bardziej szczegółowo3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy
Bardziej szczegółowoMINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU
Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów
Bardziej szczegółowoMiary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.
MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,
Bardziej szczegółowoZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA
ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością
Bardziej szczegółowoMiary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.
Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla
Bardziej szczegółowoCharakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja
Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej
Bardziej szczegółowoModel ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.
Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej. Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The
Bardziej szczegółowoMiary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.
Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla
Bardziej szczegółowoĆwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona
Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów
Bardziej szczegółowoStatystyka opisowa. () Statystyka opisowa 24 maja / 8
Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów
Bardziej szczegółowoINWESTYCJE MATERIALNE
OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów
Bardziej szczegółowoKolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski
olorowaie Dywau ierpińskiego Adrzej zablewski, Radosław Peszkowski pis treści stęp... Problem kolorowaia... Róże rodzaje kwadratów... osekwecja atury fraktalej...6 zory rekurecyje... Przekształcaie rekurecji...
Bardziej szczegółowo1. Metoda zdyskontowanych przyszłych przepływów pieniężnych
Iwetta Budzik-Nowodzińska SZACOWANIE WARTOŚCI DOCHODOWEJ PRZEDSIĘBIORSTWA STUDIUM PRZYPADKU Wprowadzeie Dochodowe metody wycey wartości przedsiębiorstw są postrzegae, jako ajbardziej efektywe sposoby określaia
Bardziej szczegółowoWykład 11 ( ). Przedziały ufności dla średniej
Wykład 11 (14.05.07). Przedziały ufości dla średiej Przykład Cea metra kwadratowego (w tys. zł) z dla 14 losowo wybraych mieszkań w mieście A: 3,75; 3,89; 5,09; 3,77; 3,53; 2,82; 3,16; 2,79; 4,34; 3,61;
Bardziej szczegółowod wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem
d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)
Bardziej szczegółowoX i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.
Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,
Bardziej szczegółowoFraktale - ciąg g dalszy
Fraktale - ciąg g dalszy Koleja próba defiicji fraktala Jak Madelbrot zdefiiował fraktal? Co to jest wymiar fraktaly zbioru? Układy odwzorowań iterowaych (IFS Przykład kostrukcji pewego zbioru. Elemety
Bardziej szczegółowoBadanie efektu Halla w półprzewodniku typu n
Badaie efektu alla w ółrzewodiku tyu 35.. Zasada ćwiczeia W ćwiczeiu baday jest oór elektryczy i aięcie alla w rostoadłościeej róbce kryształu germau w fukcji atężeia rądu, ola magetyczego i temeratury.
Bardziej szczegółowoAnaliza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora
Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia
Bardziej szczegółowoszeregów czasowych. Funkcjonowanie wybranych metod ryzyka inwestycyjnego dla wybranych empirycznych Wprowadzenie do miary ryzyka.
Funkcjonowanie wybranych metod ryzyka inwestycyjnego dla wybranych empirycznych szeregów czasowych. Wprowadzenie do miary ryzyka. A G N I E S Z K A TO F I L W Y D Z I A Ł F I Z Y K I U N I W E R S Y T
Bardziej szczegółowoAkademia Młodego Ekonomisty
Akademia Młodego Ekoomisty Mieriki wzrostu gospodarczego dr Baha Kaliowska-Sufiowicz Uiwersytet Ekoomiczy w Pozaiu 7 marca 2013 r. Ayoe who believes that expotetial growth ca go o for ever i a fiite world
Bardziej szczegółowoPERSPECTIVES OF STATISTICAL METHODS IN DESIGN OF TRADING STRATEGIES FOR FINANCIAL MARKETS USING HIERARCHICAL STRUCTURES AND REGULARIZATION
STUDIA INFORMATICA 2013 Volume 34 Number 2A (111) Alia MOMOT Politechika Śląska, Istytut Iformatyki Michał MOMOT Istytut Techiki i Aparatury Medyczej ITAM PERSPEKTYWY ZASTOSOWAŃ METOD STATYSTYCZNYCH W
Bardziej szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,
Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi
Bardziej szczegółowoANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA
SYSTEMY WSPOMAGANIA W INŻYNIERII PRODUKCJI Środowisko i Bezpieczeństwo w Iżyierii Produkcji 2013 5 ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA 5.1 WPROWADZENIE
Bardziej szczegółowo2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1
Tekst a iebiesko jest kometarzem lub treścią zadaia. Zadaie 1. Zbadaj mootoiczość i ograiczoość ciągów. a = + 3 + 1 Ciąg jest mootoiczie rosący i ieograiczoy poieważ różica kolejych wyrazów jest dodatia.
Bardziej szczegółowoMODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty
MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.
Bardziej szczegółowoCOLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871
COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.
Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe
Bardziej szczegółowoSTATYSTYKA OPISOWA PODSTAWOWE WZORY
MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.
Rachuek prawdopodobieństwa i statystyka W12: Statystycza aaliza daych jakościowych Dr Aa ADRIAN Paw B5, pok 407 ada@agh.edu.pl Wprowadzeie Rozróżia się dwa typy daych jakościowych: Nomiale jeśli opisują
Bardziej szczegółowoĆwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny
TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości
Bardziej szczegółowoLista 6. Estymacja punktowa
Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?
Bardziej szczegółowoAnaliza popytu na alkohol w Polsce z zastosowaniem modelu korekty błędem AIDS
Ekoomia Meedżerska 2011, r 10, s. 161 172 Jacek Wolak *, Grzegorz Pociejewski ** Aaliza popytu a alkohol w Polsce z zastosowaiem modelu korekty błędem AIDS 1. Wprowadzeie Okres trasformacji, zapoczątkoway
Bardziej szczegółowoSTATYSTYKA OPISOWA PODSTAWOWE WZORY
MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału
Bardziej szczegółowoFluktuacje cen towarów rolnych w świetle analizy fraktalnej
Fluktuacje ce towarów rolych w świetle aalizy fraktalej Rafał Buła Uiwersytet Ekoomiczy w Katowicach Słowa kluczowe: towary role, aaliza fraktala, wykładik Hursta, wykładik samopodobieństwa Key words:
Bardziej szczegółowoWzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski
Wzór Taylora Szeregi potęgowe Matematyka Studium doktorackie KAE SGH Semestr leti 8/9 R. Łochowski Graica fukcji w pukcie Niech f: R D R, R oraz istieje ciąg puktów D, Fukcja f ma w pukcie graicę dowolego
Bardziej szczegółowoP = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +
Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch
Bardziej szczegółowoMetoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.
Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n 4n n 1
30. Obliczyć wartość graicy ( 0 ( ( ( 4 +1 + 1 4 +3 + 4 +9 + 3 4 +7 +...+ 1 4 +3 + 1 ( ( 4 +3. Rozwiązaie: Ozaczmy sumę występującą pod zakiem graicy przez b. Zamierzamy skorzystać z twierdzeia o trzech
Bardziej szczegółowoL.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3
L.Kowalski zadaia ze statystyki matematyczej-zestaw 3 ZADANIA - ZESTAW 3 Zadaie 3. Cecha X populacji ma rozkład N m,. Z populacji tej pobrao próbę 7 elemetową i otrzymao wyiki x7 = 9, 3, s7 =, 5 a Na poziomie
Bardziej szczegółowoI kolokwium z Analizy Matematycznej
I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4
Bardziej szczegółowoZasada indukcji matematycznej. Dowody indukcyjne.
Zasada idukcji matematyczej Dowody idukcyje Z zasadą idukcji matematyczej i dowodami idukcyjymi sytuacja jest ajczęściej taka, że podaje się w szkole treść zasady idukcji matematyczej, a astępie omawia,
Bardziej szczegółowo3. Funkcje elementarne
3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących
Bardziej szczegółowoO liczbach naturalnych, których suma równa się iloczynowi
O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą
Bardziej szczegółowoMateriał pomocniczy dla nauczycieli kształcących w zawodzieb!
Projekt wsp,ł.iasoway ze 4rodk,w Uii Europejskiej w ramach Europejskiego Fuduszu Społeczego Materiał pomociczy dla auczycieli kształcących w zawodzieb "#$%&'( ")*+,"+(' -'#.,('#. przygotoway w ramach projektu
Bardziej szczegółowoO pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii
O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję
Bardziej szczegółowo1 Układy równań liniowych
Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b
Bardziej szczegółowoWykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja
Iwestycja Wykład Celowo wydatkowae środki firmy skierowae a powiększeie jej dochodów w przyszłości. Iwestycje w wyiku użycia środków fiasowych tworzą lub powiększają majątek rzeczowy, majątek fiasowy i
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia
Bardziej szczegółowoStatystyka opisowa - dodatek
Statystyka opisowa - dodatek. *Jak obliczyć statystyki opisowe w dużych daych? Liczeie statystyk opisowych w dużych daych może sprawiać problemy. Dla przykładu zauważmy, że aiwa implemetacja średiej arytmetyczej
Bardziej szczegółowoUwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna
3 MAŁGORZATA STEC Dr Małgorzata Stec Zakład Statystyki i Ekoometrii Uiwersytet Rzeszowski Uwarukowaia rozwojowe województw w Polsce aaliza statystyczo-ekoometrycza WPROWADZENIE Rozwój społeczo-gospodarczy
Bardziej szczegółowo40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.
Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje
Bardziej szczegółowoZADANIA NA ĆWICZENIA 3 I 4
Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.
Bardziej szczegółowoKADD Metoda najmniejszych kwadratów
Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie
Bardziej szczegółowoFRAKTALE I SAMOPODOBIEŃSTWO
FRAKTALE I SAMOPODOBIEŃSTWO Mariusz Gromada marzec 2003 mariusz.gromada@wp.pl http://multifraktal.net 1 Wstęp Fraktalem nazywamy każdy zbiór, dla którego wymiar Hausdorffa-Besicovitcha (tzw. wymiar fraktalny)
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 1, zima 2016/17
Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo
Bardziej szczegółowoSystem finansowy gospodarki
System fiasowy gospodarki Zajęcia r 5 Matematyka fiasowa Wartość pieiądza w czasie 1 złoty posiaday dzisiaj jest wart więcej iż 1 złoty posiaday w przyszłości, p. za rok. Powody: Suma posiadaa dzisiaj
Bardziej szczegółowoAnaliza zjawisk fraktalnych w finansowych szeregach czasowych *
Zeszyty Naukowe nr 724 Akademii Ekonomicznej w Krakowie 2006 Katedra Informatyki Analiza zjawisk fraktalnych w finansowych szeregach czasowych * Streszczenie: W artykule zaproponowano ilościową metodę
Bardziej szczegółowoStrategie finansowe przedsiębiorstwa
Strategie fiasowe przedsiębiorstwa Grzegorz Michalski 2 Różice między fiasami a rachukowością Rachukowość to opowiadaie [sprawozdaie] JAK BYŁO i JAK JEST Fiase zajmują się Obecą oceą tego co BĘDZIE w PRZYSZŁOŚCI
Bardziej szczegółowoCiągi liczbowe wykład 3
Ciągi liczbowe wykład 3 dr Mariusz Grządziel semestr zimowy, r akad 204/205 Defiicja ciągu liczbowego) Ciagiem liczbowym azywamy fukcję odwzorowuja- ca zbiór liczb aturalych w zbiór liczb rzeczywistych
Bardziej szczegółowoKonspekt lekcji (Kółko matematyczne, kółko przedsiębiorczości)
Kospekt lekcji (Kółko matematycze, kółko przedsiębiorczości) Łukasz Godzia Temat: Paradoks skąpej wdowy. O procecie składaym ogólie. Czas lekcji 45 miut Cele ogóle: Uczeń: Umie obliczyć procet składay
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n
Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam
Bardziej szczegółowoSTATYSTYCZNA OCENA WYNIKÓW POMIARÓW.
Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,
Bardziej szczegółowoĆwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA
Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz
Bardziej szczegółowoa n 7 a jest ciągiem arytmetycznym.
ZADANIA MATURALNE - CIĄGI LICZBOWE - POZIOM PODSTAWOWY Opracowała mgr Dauta Brzezińska Zad.1. ( pkt) Ciąg a określoy jest wzorem 5.Wyzacz liczbę ujemych wyrazów tego ciągu. Zad.. ( 6 pkt) a Day jest ciąg
Bardziej szczegółowoObligacja i jej cena wewnętrzna
Obligacja i jej cea wewęrza Obligacja jes o isrume fiasowy (papier warościowy), w kórym jeda sroa, zwaa emieem obligacji, swierdza, że jes dłużikiem drugiej sroy, zwaej obligaariuszem (jes o właściciel
Bardziej szczegółowoProjekt ze statystyki
Projekt ze statystyki Opracowaie: - - Spis treści Treść zaia... Problem I. Obliczeia i wioski... 4 Samochó I... 4 Miary położeia... 4 Miary zmieości... 5 Miary asymetrii... 6 Samochó II... 8 Miary położeia:...
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)
Bardziej szczegółowoWokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych
Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b
Bardziej szczegółowoElementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)
Elemety statystyki opisowej Izolda Gorgol wyciąg z prezetacji (wykład I) Populacja statystycza, badaie statystycze Statystyka matematycza zajmuje się opisywaiem i aalizą zjawisk masowych za pomocą metod
Bardziej szczegółowo( 0) ( 1) U. Wyznaczenie błędów przesunięcia, wzmocnienia i nieliniowości przetwornika C/A ( ) ( )
Wyzaczeie błędów przesuięcia, wzmocieia i ieliiowości przetworika C/A Celem ćwiczeia jest wyzaczeie błędów przesuięcia, wzmocieia i ieliiowości przetworika C/A. Zając wartości teoretycze (omiale) i rzeczywiste
Bardziej szczegółowoCzas trwania obligacji (duration)
Czas rwaia obligacji (duraio) Do aalizy ryzyka wyikającego ze zmia sóp proceowych (szczególie ryzyka zmiay cey) wykorzysuje się pojęcie zw. średiego ermiu wykupu obligacji, zwaego rówież czasem rwaia obligacji
Bardziej szczegółowoSTATYSTKA I ANALIZA DANYCH LAB II
STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są
Bardziej szczegółowoFraktale. Definicja ogólna. fraktala. w naturze. Samopodobieństwo. w naturze. Śnieżynka von Kocha
Defiicja ogóla fraktala Fraktale dr iż.. Piotr Steć Fraktalem azywamy obiekt, który wykazuje cechy dokładego lub statystyczego podobieństwa Fraktal jest obiektem, którego wymiar jest ułamkiem Słowo fraktal
Bardziej szczegółowoZARZĄDZANIE FINANSAMI
STOWARZYSZENIE KSIĘGOWYCH W POLSCE ODDZIAŁ WIELKOPOLSKI W POZNANIU ZARZĄDZANIE FINANSAMI WYBRANE ZAGADNIENIA (1/2) DR LESZEK CZAPIEWSKI - POZNAŃ - 1 SPIS TREŚCI 1. RYZYKO W ZARZĄDZANIU FINANSAMI... 4 1.1.
Bardziej szczegółowoPODSTAWY BIOSTATYSTYKI ĆWICZENIA
PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało
Bardziej szczegółowoĆwiczenie 2 ESTYMACJA STATYSTYCZNA
Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej
Bardziej szczegółowoPrzykładowe zadania dla poziomu rozszerzonego
Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,
Bardziej szczegółowo