Analiza i zarządzanie portfelem studia ZI Przykładowe zadania z minimum programowego 1

Wielkość: px
Rozpocząć pokaz od strony:

Download "Analiza i zarządzanie portfelem studia ZI Przykładowe zadania z minimum programowego 1"

Transkrypt

1 Zma 003/004 nalza zarządzane ortelem tuda ZI Przykładoe zadana z mnmum rogramoego 1 UTO: Paeł okta N INTEPETCJĘ POJĘĆ DOCHODU, YZYK I POTFEL EFEKTYWNEGO 1. Który ortel na eno ne jet eektyny: Naza ortela Oczekany dochód Odchylene tandardoe 15% 3% 5% 8% CCC 17% 9% DDD 10% % ), ), C) CCC, D) DDD ortel : - radzamy czy tneje ortel o yżzej oczekanej toe zrotu, - ą da take ortele: CCC, - natęne radzamy, czy któryś z tych ortel ma nżze odchylene tandardoe nż, - terdzamy, że żaden z tych ortel ne jet lezy od róneż od zględem odchylena tandardoego (ne ma nżzego odchylena tandardoego), - a zatem żaden z ymenonych ortel ne jet od lezy jednocześne od zględem ou kryteró: oczekanego dochodu ryzyka; - noek: ne można terdzć, czy ortel jet eektyny, czy neeektyny; ortel - radzamy czy tneje ortel o yżzej oczekanej toe zrotu, - ne tneje tak ortel, - a zatem żaden z ymenonych ortel ne jet od lezy jednocześne od zględem ou kryteró: oczekanego dochodu ryzyka; - noek: ne można terdzć, czy ortel jet eektyny, czy neeektyny; ortel CCC: - radzamy czy tneje ortel o yżzej oczekanej toe zrotu, - znajdujemy tak ortel, jet nm, - natęne radzamy, czy ma on nżze odchylene tandardoe nż CCC, - terdzamy, że ortel jet lezy od CCC róneż od zględem odchylena tandardoego (ma nżze odchylene tandardoe nż CCC), - a zatem ortel jet od CCC lezy od zględem ou kryteró: oczekanego dochodu ryzyka; - noek: CCC jet na eno neeektyny; ortel DDD: - radzamy czy tneje ortel o yżzej oczekanej toe zrotu, - ą trzy take ortele:, CCC, - natęne radzamy, czy któryś z tych ortel ma nżze odchylene tandardoe nż DDD, - terdzamy, że żaden z tych ortel ne jet lezy od DDD róneż od zględem odchylena tandardoego (ne ma nżzego odchylena tandardoego), - a zatem żaden z ymenonych ortel ne jet od DDD lezy jednocześne od zględem ou kryteró: oczekanego dochodu ryzyka; - noek: ne można terdzć, czy ortel DDD jet eektyny, czy neeektyny; zatem, na odtae oadanych danych, można terdzć neeektyność tylko ortela CCC.. Itotą dyerykacj ortela jet: 1 To znaczy, że orócz rzejrzena zamezczonych tu rzykładó, naradę trzea ę jezcze trochę ouczyć. 1

2 ) rzede zytkm zękzene lczy kładnkó ortela; ) doór takch kładnkó ortela, ay ch korelacja yła jak najmnejza; C) zmnejzene ryzyka ortela, rzy jednoczenym onżenu oczekanej toy zrotu; D) odneene oczekanej toy zrotu rzy jednoczenym zrośce ryzyka; 3. Dane ą de akcje:. Wartośc oczekane toy zrotu ynozą dla nch odoedno 15% 16%. Odchylena tandardoe toy zrotu ą róne odoedno 30% 8%. Inetor może yrać tylko jedną z tych akcj. acjonalny netor zaku: ) akcję ; ) akcję ; C) ne ędze tane dokonać jednoznacznego yoru, gdyż ne zna ółczynnka korelacj mędzy toam zrotu z tych akcj; Jeżel netor może yrać tylko jedną z tych dóch akcj, yerze oczyśce akcję. Jet ona oem leza od od każdym zględem. (Gdyy zaś tnała możlość zudoana ortela złożonego z ou tych akcj, to yór kładu ortela ne yły już tak oczyty. Decydującą rolę odgryałay tu korelacja mędzy akcjam, której ne znamy.) N IY YZYK 4. Dany jet rozkład dykretny toy zrotu z enego ortela: ożly tan rynku Pradoodoeńto Stoa zrotu () (q ) ( ) 1 0,19 5% 0,30 % 3 0,45 1% 4 0,04 3% 5 0,0 8% Pozom ezeczeńta na ozome totnośc 5% yno: ) 3% ) 8% C) 5% D) żadna z oyżzych Pozom ezeczeńta jet kantylem rozkładu tó zrotu odoadającym enemu małemu radoodoeńtu. Kantyl, odoadający radoodoeńtu α (kantyl rzędu α), denuje ę dla dykretnej zmennej looej jako arametr ełnający JEDNOCZEŚNIE natęujące de nerónośc : 1) P( ) α, ) P( ) 1 α. zatem ozom ezeczeńta dla radoodoeńta α można zdenoać jako: P ( ( α) ) α, rzy czym: P( ( α) ) 1 α, gdze (α ) jet ozomem ezeczeńta. Pozom ezeczeńta najłatej jet yznaczyć, doując do oyżzej tael de dodatkoe kolumny ze kumuloanym radoodoeńtem: jedną z artoścam dytryuanty, a drugą umując radoodoeńta odrotnym kerunku. Otrzymujemy tedy natęującą taelę: Chya że tneje taka artość zmennej looej, że: P( ) 1 α. Wócza ozukanym kantylem jet łaśne artość. Czyl rzyjmujemy ócza natęującą dencję kantyla ( ) : Nekedy rzyjmuje ę: zorze Prz..1 ( tak też jet kążce). P( ) 1 α. (Prz..1.) P( ) α, co może daać nną artość. Na ykładze yło jednak tak jak e

3 ożly tan rynku Pradoodoeńto Skumuloane radoodo. (dytryuanta) Skumuloane radoodo. (umoane drugą tronę) () (q ) F( ) P( ) q P( ) j q k Stoa zrotu 1 0,19 1,00 0,19 5% 0,30 0,81 0,49 % 3 0,45 0,51 0,94 1% 4 0,04 0,06 0,98 3% 5 0,0 0,0 1 8% Jak dać, ozomem ezeczeńta rzy ozome totnośc α 0, 05 jet toa zrotu: 3%. Łato radzć, że: P( 3% ) 0,06 0, 05 P( 3% ) 0,98 0, kcja jet ryzykona jeśl: I odchylene tandardoe toy zrotu jet duże, II yoka jet dla nej artość ozomu ezeczeńta dla (małego) radoodoeńta α 0,01 III radoodoeńto neoągnęca ozomu aracj (utalonego rzez netora) jet lke zeru, IV ółczynnk β jet róny 0,9 Waranty odoedz: ) tylko I III; C) tylko I II; ) tylko I; D) żaden z oyżzych arantó Pradłoa jet oczyśce odoedź ) (tylko zdane I). ( ) N TEOIĘ UŻYTECZNOŚCI 6. Nech unkcja użytecznośc enego netora ma otać: U(Z) Z. Jednocześne adomo, że dla tego netora oojętne jet, czy zanetuje rzedęzęce czy Y. amy natęującą normację o rojektach netycyjnych Y: Inetycja Inetycja Y Z Z Y 0,5 81 q 11 0, q 5 Neznane radoodoeńto q dla netycj Y yno: ) 0,5 ; ) 0,50 ; C) 0,75 ; D) 1,00 ; E) żadna z oyżzych. Przyjmjmy, że Z Z Y jet to zyk odoedno z netycj Y (tak naradę ama nterretacja elkośc Z ne ma tym momence ękzego znaczena). Z Z Y ą różnym zmennym looym. Inetoro jet jednak oojętne, którą z nch yerze. Zakładamy rzy tym, że ne keruje ę on makymalzacją oczekanego zyku, ale makymalzacją oczekanej użytecznośc. Jeżel z unktu dzena oczekanej użytecznośc netycje Y ą dla netora take ame, to zachodz: E(U(Z )) E(U(Z Y )), (uaga: róność artośc oczekanych użytecznośc od zykó, ne zaś róność użytecznośc od artośc oczekanych zykó) czyl: 0,5 U(81) + 0,5 U(169) q U(11) + (1 q) U(5) 0, ,5 169 q 11 + (1 q) 5 (verte) 3

4 0, ,5 13 q 11 + (1 q) q ( 4) + 15 ( 4) q ( 4) 1 q zatem, z unktu dzena oczekanej użytecznośc (rzy unkcj użytecznośc otac: U(Z) Z ), netoro jet oojętne, czy yerze: ryzykoną netycję, która daje zyk yokośc 81 alo 169, z rónym radoodoeńtam 50%, czy też: olną od ryzyka netycję Y, która daje eny zyk o artośc Inetor oada eratkoą unkcję użytecznośc, a netor Y logarytmczną. Funkcja użytecznośc netora jet otac: U (). Funkcja użytecznośc netora Y jet otac: U Y () ln(). Który netor charakteryzuje ę yżzą ezzględną aerją do ryzyka? ara ezzględna aerj do ryzyka yraża ę zorem: U' '() (). U' () Dla netora : 0,5 ( (0,5 )' ( 0,5 ) 0,5 0,5 0,5 0,5 Dla netora Y: ' 1 (ln()) 1 1 0,5 > ,5 ) 0,5 Inetor Y charakteryzuje ę ękzą ezzględną aerją do ryzyka. N POTFEL DWUSKŁDNIKOWY 8. Jeżel do ortela o ryzyku (merzonym odchylenem tandardoym toy zrotu) rónym 0 oczekanej toe zrotu zotane dołączona akcja (ozycja długa) o tym amym ryzyku ( 0 ) oczekanym dochodze, to ryzyko tak utorzonego ortela: ) zrośne, jeżel akcja jet dodatno koreloana z ortelem erotnym (ρ > 0); ) zotane zmnejzone rzy ρ < 1; C) zotane zmnejzone tylko ócza, gdy ρ < 0 lu gdyy ozycja akcj yła krótka; D) na odtae dotęnych danych ne można jednoznaczne określć kerunku zmany ryzyka ortela. Dokuene akcj o tym amym ryzyku co dotychczaoy ortel mu oodoać zmnejzene ryzyka ortela, chya że akcja jet dealne dodatno koreloana z dotychczaoym ortelem (ócza 4

5 ryzyko ortela ozotane ne zmenone). yzyko mogłay tym yadku zękzyć krótka rzedaż (or. ryunek). Oczyśce rzyadku ółczynnka korelacj rónego 1, ryzyko ozotałoy ne zmenone zaróno rzyadku ez, jak z krótką rzedażą. Gdyy jednak ryzyko ou kładnkó noego ortela (czyl tarego ortela noej akcj) ne yło róne, to dane znajdujące ę treśc zadana ne yłyy ytarczające do udzelene jednoznacznej odoedz na ytane, czy ryzyko ortela adne, czy zrośne ( orónanu z ryzykem tarego ortela). 10,0 0% 9,0 0% 8,0 0% 7,0 0% 6,0 0% 5,0 0% 4,0 0% 3,0 0%,0 0% 1,0 0% 0,0 0% P o rte le d u k ła d n k o e - z o ry m o ż l o c n e tyc yjn yc h rz y je d n a k o ym ryz yk u k ła d n k ó o rtla ( ykre dla różnych artośc ółczynnka korelacj [1 ; -1 ]) 0,00 % 5,00% 1 0,0 0% 1 5,00 % 0,00% 5,00 % 9. Odchylene tandardoe toy zrotu ółk yno 0%, a 5%. Wółczynnk korelacj tó zrotu yno 0,4. Jak onen yć kład ortela ay ryzyko merzone arancją toy zrotu yło mnmalne? ) 0,655; 0,345; C) 0,680; 0,30; ) 1,655; 0,655; D) 5; 4; E) żadna z oyżzych. Tutaj o rotu odtaamy do zoru: (VP), + ρ ρ (VP) ρ. + ρ Otrzymujemy: 0,5 0, 0,5 0,4 (VP) 0,68, 1 1 0,68 0, 3 (VP) 0, + 0,5 0, 0,5 0,4 (VP). 10. Odchylena tandardoe dla akcj ółek ynozą odoedno 6% 9%. Jeżel ółczynnk korelacj tó zrotu akcj ółk yno 1, to netor uzyka ortel o mnmalnym ryzyku, gdy udzały ółek ortelu ędą natęujące: ) tylko akcje ółk ; C) 0,6 akcj ółk 0,4 akcj ółk ; ) 0,45 akcj ółk 0,55 akcj ółk ; D) 0,5 akcj ółk 0,5 akcj ółk ; Warancja ortela dukładnkoego, którego kładnk ą dealne ujemne koreloane, yraża ę zorem: V ( ), czyl:. yzyko takego ortela można całkoce yelmnoać ( VP 0 ). Portel o mnmalnym ryzyku jet ęc tym rzyadku ortelem olnym od ryzyka. Jego kład jet natęujący:, (VP) +. (VP) + Uzykujemy: 5

6 0,09 0,6 0,06 + 0,09, 0,06 0,06 0,09 0,4 (VP). + (VP) N POTFEL O DOWOLNEJ LICZIE SKŁDNIKÓW I POTFEL ZWIEJĄCY INWESTYCJĘ WOLNĄ OD YZYK 11. Inetor dyonuje katałem Torzy ortel akacj oraz ntrumentó olnych od ryzyka. Oczekana toa zrotu z akcj yno 1%, a ryzyko tej akcj merzone odchylenem tandardoym ma artość 10%. Stoa olna od ryzyka kztałtuje ę na ozome 4%, a ntrument olny od ryzyka een ntrument dłużny Skaru Pańta jet rzedaany o cene za ztukę. ożna nayać ojedyncze ztuk tego ntrumentu nanoego. Jaką lczę ntrumentó dłużnych Skaru Pańta onen zakuć netor, ay zmnejzyć odchylene tandardoe ortela do 6%. ) ) 7 C) 1 D) żadna z oyżzych K P % 6% Pozotałe dane, jak n. toa olna od ryzyka, ne ą ykorzytyane. W treśc nektórych zadań yają take neotrzene artośc. Podaane ą one o rotu dla zmyłk. Prozę meć ę na acznośc. Szukane: - udzał katałoy ntrumentu olnego od ryzyka ortelu, K - kota rzyadająca na ntrument olny od ryzyka, y - lcza ztuk ntrumentu olnego od ryzyka, 0,06 ( 1 ) ,6 0,4 0,1 K y K 0, K P [ zt.] Stoa zrotu z aktyó olnych od ryzyka rynkoego yno 5%. Wółczynnk zmennośc dla ortela rynkoego ma artość 0,4, a odchylene tandardoe ortela rynkoego ozacoano na 4%. Portel enego netora jet eektyny ma oczekaną toę zrotu 9% Olcz odchylene tandardoe toy zrotu z tego ortela. 1.. Jak jet udzał aktyó olnych od ryzyka ortelu? ) 0,051; 0,8 ) 0,100; 0, C) 0,03; 0, D) żadna z oyżzych 0,05 CV 0,4 0,04 0,09 ( adomo, że jet to ortel eektyny) Szukane: odchylene tandardoe toy zrotu z ortela, udzał katałoy ntrumentu olnego od ryzyka ortelu. d Wemy, że rozatryany ortel jet ortelem eektynym. Jet to ortel, który może zaerać zaróno akcje, jak ntrument olny od ryzyka. zatem leży na ln CL: +. 6

7 Stoę zrotu z ortela rynkoego można z kole olczyć, ykorzytując dencję ółczynnka zmennośc, czyl: 0,04 CV 0,1. CV 0,4 Dyonujemy ócza zytkm danym, otrzenym do olczena odchylena tandardoego toy zrotu z analzoanego ortela: P (0,09 0,05) 0,04 + 0,03 3,% 0,1 0,05 d Jeżel ortel jet eektyny, to możemy go odzelć na 3 : ortel rynkoy, ntrument olny od ryzyka. Zatem ryzykona część ortela (czyl ortel zaerający tylko akcje, chodzący kład ortela ) to jet łaśne ortel rynkoy. Drugą część tano ntrument olny od ryzyka. Co z tego ynka, całe ryzyko ortela zależy tylko od dóch czynnkó: - ryzyka ortela rynkoego ( ) oraz: - udzału ortela rynkoego ( 1 ) ortelu adanym. Otrzymujemy zatem: ( 1 ), 0, ,8 0, 0, Średna artość arancj tó zrotu akcj znajdujących ę ortelu yno 0,00973, zaś średna artość koarancj omędzy każdą z ar akcj yno 0, yzyko merzone odchylenem tandardoym toy zrotu yno dla ortela o rónych udzałach 7%. Z oyżzych danych ynka, że ó ortel o rónych udzałach mu ę kładać z natęującej lczy akcj: ) 6 ) 60 C) 70 D) żadna z oyżzych Szukane: V 0,00973 ; cov 0,00483 ; n lcza kładnkó ortela; ort. 0,07 ; V ort. 0,0049 ; Korzytamy ze zoru na arancję ortela o rónych udzałach: V ort. 1 n 1 V + cov, n n 1 n 1 0,0049 0, ,00483 n n n 0,0049 n 0, n (0,0049 0,00483) 0,0049 0, Oczyśce można go róneż odzelć jakoś naczej. Jednak ten odzał jet najygodnejzy. ozce ortela eektynego na ntrument olny od ryzyka ortel rynkoy jet zaze możle. Wynka to z aktu, że ortel eektyny leży na ln CL. Natomat lna CL z dencj rzechodz zaze rzez te da unkty (ntrument olny od ryzyka ortel rynkoy). 7

8 n 0,00007 n 0, N ODEL SHPE 14. Ozacoana na odtae htorycznych dzennych tó zrotu koarancja medzy toam zrotu z akcj z ndeku WIG yno 0, Średna dzennych tó zrotu ynoła odoedno: 0,11 dla akcj oraz WIG 0,10 dla WIG. Zmenność ujęcu rocznym, merzona odchylenem tandardoym, yno odoedno: 0,36 dla akcj oraz WIG 0,3 dla WIG. W rozatryanym roku yło 56 dn eyjnych. Zakładamy, że dzenne toy zrotu ą nezależnym zmennym looym o jednakoych rozkładach normalnych. Na odtae oyżzych danych ozacoano arametry ln charakterytycznej akcj. Wynozą one: ) β 0,90; α 0,00 ; C) β 1,00 ; α 0,01 ; ) β 3,50; α 0,018; D) β 0,48 ; α 0,00 ; cov 0,00036; 0,11; 0,10; 0,36; 0,3;,WIG Szukane:,, α, β ; WIG WIG (roczne) (roczne) WIG y zachoać orónyalność jednoltość ykorzytyanych danych, rzelczamy roczne odchylena tandardoe na dzenne: (roczne) 0,36 0,05 ; 0,0 WIG (roczne) 0,3 ; WIG cov β,,wig WIG 0, ,00036 β 0,9 ; (0,0) 0,0004 α β, WIG α 0,11 0,9 0,1 0, Wylczone na odtae ynkó ej gełdoych z otatnch 3 meęcy arametry ln charakterytycznej akcj (SCL) ółk ą natęujące: : arametr α 4,8%, β 0,7; : arametr α 1%, β 1,. Składnk looe zotały omnęte. Jeżel toa zrotu z akcj ółk jet dukrotne yżza od toy zrotu z akcj ółk, to rzecętna toa zrotu z ortela rynkoego tym okree ynoła (z dokładnoścą do dzeątych częśc rocenta): ) 4,3 % ) 43 % C) 1,6 % D) żadna z oyżzych α + β (α + β ) 0, ,7 (0,01 + 1, ) 1,7 0,08 0, Inetor dyonoał katałem łanym. yokośc 10 ty. Dokonał krótkej rzedaży 00 ztuk akcj o 30 zł. Deozyt oerany odcza krótkej rzedaży omjamy. Za całość środkó netor naył 50 ztuk akcj o 40 zł za ztukę oraz ntrumenty olne od ryzyka. Wółczynnk eta akcj yno 0,6, a ółczynnk eta akcj yno 1,1. 8

9 Ile yno ółczynnk eta tak utorzonego ortela? ) β 3, ) β 0,74 C) β 0,3 D) żadna z oyżzych Szukane: K katał łany, - udzał (katałoy) akcj, y 00 - lcza akcj, - udzał (katałoy) akcj, S 30 - cena jednej ztuk akcj, β - ółczynnk eta ortela. y 50 - lcza akcj, S 40 - cena jednej ztuk akcj, β 0,6 β 1,1 y S ,6 ; K W y S K ; (oczyśce udzał ntrumentó olnych od ryzyka ynoć mu: 1 0, 6, ale to ne jet tutaj ykorzytyane). Poneaż ółczynnk eta ortela jet średną ółczynnkó eta kładnkó tego ortela, ażoną udzałam katałoym: n β β, ęc: 1 β β + β ( 0,6) 0, ,1 0, yzyko całkote dóch ortel (ortela π 1 ortela π ) jet take amo. Wółczynnk eta ortela π 1 : β 1 1,3986. Wółczynnk eta ortela π : β 1. Wócza można oedzeć, że: ) π 1 ma yżze ryzyko neytematyczne nż π ; ) π ma yżze ryzyko neytematyczne nż π 1 ; C) Oa ortele mają take amo ryzyko neytematyczne, a różną ę ryzykem rynkoym; D) żadna z oyżzych. Przyomnjmy, że modelu Share a, jeśl ryzyko merzymy za omocą arancj, to: - rzez ryzyko całkote rozumemy o rotu arancję toy zrotu ( π ), - rzez ryzyko rynkoe (ytematyczne) rozumemy elkość zależną od arancj ortela rynkoego oraz od ółczynnka eta ortela adanego, która jet róna yrażenu: βπ, - rzez ryzyko neytematyczne (ecyczne) rozumemy arancję kładnka looego z modelu Share a ( ε π ) Zachodz rzy tym róność: π βπ + ε π. Czyl jeśl ryzyko całkote dóch ortel jet take amo ( ), a jeden z nch ma ękze ryzyko π 1 π rynkoe, to jednocześne mu meć mnejze ryzyko neytematyczne. W rozatryanym rzyadku ortel π 1 ma yżze ryzyko rynkoe nż ortel π ( β π > β 1 π ). W zązku z 9

10 tym π 1 ma nżze ryzyko neytematyczne. 18. Dyonujemy natęującą normacją o ortelach : Warancja t. zrotu Wółczynnk korelacj z ortelem rynkoym Symol ρ 0,0004 0,8 0,0009 0,48 (ortel rynkoy) 0,00056 Na tej odtae można terdzć, że: I Portel jet leej zdyerykoany nż. II yzyko ecyczne ortela, merzone odchylenem tandardoym, ma rzylżenu artość: ε,63%. III Portel jet leej zdyerykoany nż ortel. IV yzyko ecyczne ortela, merzone odchylenem tandardoym, ma artość: ε 1,%. V Portel ma yżze ryzyko rynkoe nż. VI Portel ma yżze ryzyko rynkoe nż. VII Oa ortele ą tak amo dorze zdyerykoane. Pradłoe odoedz to: ) tylko I, II, IV V; C) tylko II, III, IV V; ) tylko I, II, III VI; D) tylko II, V VII; E) żadna z oyżzych. Ponone ykorzytana zotane zależność: β + ε W tym celu najer olczamy ółczynnk eta ze zoru: ρ β 0,8 0,0004 0,8 0,0 0,48 0,0009 0,48 0,3 β 1, β 0, 9 ; 0, ,016 0, ,016 β 1, β 0, 81; Zgodne z nterretacją ryzyka ytematycznego ecycznego modelu Share a, leej zdyerykoany jet ten ortel, który oada nżze ryzyko ecyczne. Olczmy ryzyko ecyczne ortel : ε β ε 0, , ,000144, czyl: ε 0,01 ; ε 0,0009 0,81 0, , , czyl: ε 0,06. Portel ma nżze ryzyko ecyczne, ęc jet leej zdyerykoany nż. N ODEL CP 19. Które z onżzych terdzeń na temat założeń modelu yceny dór katałoych Share a, Lntnera, ona Treynora ( jego klaycznej erj) ą radze: 10

11 I..., II..., III..., IV..., V..., VI... tutaj zotają zamezczone różne zdana: radze, marę arygodne ale neradze oraz zdury edentne. ) tylko I II ) tylko I, IV VI C) tylko VI D) żadna z oyżzych Należy o rotu amętać, że założena klaycznej erj modelu CP ą natęujące: 1) Inetorzy kerują ę rzy odejmoanu decyzj doma kryteram: artoścą oczekaną toy zrotu oraz ryzykem (odchylenem tandardoym toy zrotu) ortela. ) kcje nne ntrumenty nanoe ą dokonale odzelne (można kuoać ułamk akcj). 3) Inetorzy mogą udzelać kredytu zacągać go o toe olnej od ryzyka. 4) Podatk kozty tranakcj można omnąć. 5) Wzycy netorzy odejmują decyzje na ten am okre (jednakoy horyzont netycyjny). 6) Wzytke normacje ą natychmat dotęne dla zytkch netoró. 7) Inetorzy mają jednorodne oczekana (dokonyane rzez różnych netoró ozacoana oczekanych tó zrotu, ryzyka korelacj ą take ame). 0. Dany jet ortel π, którego ryzyko merzone arancją toy zrotu yno 0,36 a artość oczekana toy zrotu z tego ortela jet róna 17,00%. Odchylene tandardoe toy zrotu z ortela rynkoego jet róne 30%, artość oczekana toy zrotu z ortela rynkoego: 16%, toa olna od ryzyka: 13%. Na odtae danych z rzezłośc zotał yznaczony ółczynnk korelacj mędzy adanym ortelem a ortelem rynkoym. Wyno on: 0,667. Ooązuje tu założene, że celu oceny czy ortel jet rzeartoścoany czy nedoartoścoany, netorzy analzują yłączne jego ryzyko rynkoe (rzyjmuje ę ęc, że ortele ą dorze zdyerykoane ne oadają ryzyka ecycznego). Stoujemy zaokrąglena do trzecego mejca o rzecnku. Przy oyżzych założenach można terdzć, ż ortel π: ) ne jet ortelem eektynym jet dorze ycenony; ) jet ortelem eektynym jet dorze ycenony; C) ne jet ortelem eektynym jet nedoartoścoany; D) ne jet ortelem eektynym jet rzeartoścoany; E) żadna z oyżzych. π 0,36 ; π 0,6 ; π 0,1700 ; 0,3 ; 0,16 ; 0,13 ; ρ π 0,667 ; Szukane: eekt. ; d.. ; CL: eekt. + π 0,16 0,13 eekt. 0,13 + 0,6 0,19 > π, a zatem π ne jet ortelem eektynym. 0,3 SL: d.. + β π ( ) olczamy ółczynnk eta: 11

12 β ρ π 0,667 0,6 0,3 π π 1,334 ykorzytujemy go do znalezena oczekanej toy zrotu ortela dorze ycenonego: 0,13 + 1,334 (0,16 0,13) 0, ,00%. d.. π Portel π jet dorze ycenony. Ne jet to jednak ortel eektyny. 1. Portel π z zadana 19.: I reaguje odrotne nż rynek na zmany zagregoanego czynnka ryzyka rynku, II jet ortelem agreynym, III jet ortelem rynkoym, IV jet ortelem olnym od ryzyka rynkoego, V leży na ln CL. Waranty odoedz: ) tylko V VI; C) tylko II, IV, V VI; ) tylko VI; D) tylko II; E) żaden z oyżzych. N ODEL PT. (Zadane 1,. 335, Inetycje nanoe ) Itneją da odtaoe czynnk łyające na toę zrotu z ortela : F 1 F. Preme za ryzyko zązane z tym czynnkam ynozą odoedno 0,06 0,08 ne ą ze oą koreloane. Oczekana toa zrotu dla ortela nerażlego na F 1 F jet róna 9%. Ile yno oczekana toa zrotu z ortela, jeśl ółczynnk rażlośc ynozą: 1 3,5? ) 0,06 ) 0,89 C) 0,58 D) żadna z oyżzych Szukane: λ 1 0,06 ; λ 0,08 ; 0,09 ; F1 F 3,5 ; λ 0 + λ 1 F1 + λ F Z dencj λ 0 : λ 0 zatem: 0,09 + 0,06 3,5 + 0,08 3,5 0,58 Warto rzyomneć, że odtaoe rónane modelu PT można nterretoać jako uogólnene rónana SL z modelu CP. manoce, elkośc ytęujące rónanu modelu PT: λ 0 + λ 1 F1 + λ F +... mają natęujące znaczene: ółczynnk Fk ą maram rażlośc toy zrotu na k-ty czynnk ryzyka (nazyany zazyczaj F k ), ółczynnk λ k ą róne: λ k k, gdze k jet oczekaną toą zrotu ortela, który jet nerażly na zytke czynnk ryzyka z yjątkem k-tego (czyl czynnka F k ), a zatem λ k ą to o rotu reme za ryzyko zązane z k-tym czynnkem ryzyka (F k ), (verte) 1

13 ółczynnk λ 0 jet róny toe zrotu z ortela olnego od ryzyka. Natomat rónanu SL z modelu CP melśmy do czynena z jednym czynnkem ryzyka. yła nm toa zrotu z ortela rynkoego. Wócza: F1 β, λ 1. 13

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem

Portfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Katedra Ietycj Faoych Zarządzaa yzykem Aalza Zarządzae Portfelem cz. Dr Katarzya Kuzak Co to jet portfel? Portfel grupa aktyó (trumetó faoych, aktyó rzeczoych), które zotały yelekcjooae, którym ależy zarządzać

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci Zadane. Macerz radoodobeńst rzejśca ojedynczym kroku dla łańcucha Markoa...... o trzech stanach { } jest ostac 0 n 0 0 (oczyśce element stojący -tym erszu j -tej kolumne tej macerzy oznacza P( = j. Wtedy

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI. EONOMIA MENEDŻERSA Wykład 3 Funkcje rodukcj 1 FUNCJE PRODUCJI. ANAIZA OSZTÓW I ORZYŚCI SAI. MINIMAIZACJA OSZTÓW PRODUCJI. 1. FUNCJE PRODUCJI: JEDNO- I WIEOCZYNNIOWE Funkcja rodukcj określa zależność zdolnośc

Bardziej szczegółowo

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych Ćczea r 3 Fae II obert Ślepaczuk Teora portfela paperó artoścoych Teora portfela paperó artoścoych jet jedym z ajażejzych dzałó ooczeych faó. Dotyczy oa etycj faoych, a przede zytkm etycj dokoyaych a ryku

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

1. Definicje podstawowe. Rys Profile prędkości w rurze. A przepływ laminarny, B - przepływ burzliwy. Liczba Reynoldsa

1. Definicje podstawowe. Rys Profile prędkości w rurze. A przepływ laminarny, B - przepływ burzliwy. Liczba Reynoldsa . Defncje odstaoe Rys... Profle rędkośc rurze. rzeły lamnarny, B - rzeły burzly. Lczba Reynoldsa D Re [m /s] - sółczynnk lekośc knematycznej Re 3 - rzeły lamnarny Re - rzeły burzly Średna rędkość masoa

Bardziej szczegółowo

Rynek funduszu inwestycyjnych RYNEK. Liczba FI działających w Polsce. Lokaty funduszy inwestycyjnych 2015-05-17. Liczba TFI i FI działających w Polsce

Rynek funduszu inwestycyjnych RYNEK. Liczba FI działających w Polsce. Lokaty funduszy inwestycyjnych 2015-05-17. Liczba TFI i FI działających w Polsce 199 1993 1994 1995 1996 1997 1998 1999 1 3 4 5 6 7 8 9 1 15-5-17 11 1 13 Liczba TFI i FI działających w Polce yek uduzu iwetycyjych YNEK 7 6 5 4 3 1 416 364 71 79 313 194 81 94 11 11 144 6 1 1 1 3 7 1

Bardziej szczegółowo

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy 5. Maszyna Turnga = T Q skończony zór stanów q 0 stan początkowy F zór stanów końcowych Γ skończony zór symol taśmy T Γ alfaet wejścowy T Γ symol pusty (lank) δ: Q Γ! 2 Q Γ {L,R} funkcja

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne

Bardziej szczegółowo

POLITECHNIKA WROCŁAWSKA INSTYTUT TECHNIKI CIEPLNEJ I MECHANIKI PŁYNÓW ZAKŁAD TERMODYNAMIKI

POLITECHNIKA WROCŁAWSKA INSTYTUT TECHNIKI CIEPLNEJ I MECHANIKI PŁYNÓW ZAKŁAD TERMODYNAMIKI POLITECHNIKA WROCŁAWSKA INSTYTUT TECHNIKI CIEPLNEJ I MECHANIKI PŁYNÓW ZAKŁAD TERMODYNAMIKI Materiały omocnicze do ćiczeń rachunkoych z rzedmiotu Termodynamika tooana CZĘŚĆ 1: GAZY WILGOTNE mr inż. Piotr

Bardziej szczegółowo

KINEMATYKA MANIPULATORÓW

KINEMATYKA MANIPULATORÓW KIEMK MIULOÓW WOWDEIE. Manpulator obot można podzelć na zęść terująą mehanzną. Część mehanzna nazywana jet manpulatorem. punktu wdzena Mehank ta zęść jet najbardzej ntereująa. Manpulator zaadnzo można

Bardziej szczegółowo

Spalanie. 1. Skład paliw. 1.1. Paliwa gazowe (1) kmol C. kmol H 2. gdzie: H. , itd. udziały molowe składników paliwa w gazie. suchym. kmol.

Spalanie. 1. Skład paliw. 1.1. Paliwa gazowe (1) kmol C. kmol H 2. gdzie: H. , itd. udziały molowe składników paliwa w gazie. suchym. kmol. Salae / 1 Salae Salae jet zybko rzebegającym roceem utleaa ołączoym z ydzelaem ę ceła. Salau z reguły toarzyzy emja śatła. Podtaoym eratkam alym alach ą ęgel odór. W ale moża yróżć część alą ealy balat.

Bardziej szczegółowo

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20 Darusz Letkowsk Unwersytet Łódzk BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG0 Wprowadzene Teora wyboru efektywnego portfela nwestycyjnego zaproponowana przez H. Markowtza oraz jej rozwnęca

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa.

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa. Fundacja Centrum Edukacj Obyatelskej, ul. Noakoskego 10, 00-666 Warszaa, e-mal: ceo@ceo.org.l; Akadema ucznoska, Tel. 22 825 04 96, e-mal: au@ceo.org.l; ęcej nformacj:.akademaucznoska.l 1 Konstrukcja ger

Bardziej szczegółowo

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI.

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI. Dywersyfkacja ortfela orzez nwestycje alternatywne. Prowadzący: Jerzy Nkorowsk, Suerfund TFI. Część I. 1) Czym jest dywersyfkacja Jest to technka zarządzana ryzykem nwestycyjnym, która zakłada osadane

Bardziej szczegółowo

UCHWAŁA NR 279/XVIII/2011 Rady Miasta Płocka z dnia 29 grudnia 2011 roku

UCHWAŁA NR 279/XVIII/2011 Rady Miasta Płocka z dnia 29 grudnia 2011 roku UCHWAŁA NR 279/XVIII/2011 Rady Masta Płocka z dna 29 grudna 2011 roku sprae ustalena Regulamnu przyznaana przekazyana stypendó mejskch dla ucznó szkół proadzonych lub dotoanych przez Masto Płock zameldoanych

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Uchwała Nr 279/XVIII/2011 Rady Miasta Płocka z dnia 29 grudnia 2011 roku

Uchwała Nr 279/XVIII/2011 Rady Miasta Płocka z dnia 29 grudnia 2011 roku Uchała Nr 279/XVIII/2011 Rady Masta Płocka z dna 29 grudna 2011 roku sprae ustalena Regulamnu przyznaana przekazyana stypendó mejskch dla ucznó szkół proadzonych lub dotoanych przez Masto Płock zameldoanych

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

Analiza regresji modele ekonometryczne

Analiza regresji modele ekonometryczne Analza regresj modele ekonometryczne Klasyczny model regresj lnowej - przypadek jednej zmennej objaśnającej. Rozpatrzmy klasyczne zagadnene zależnośc pomędzy konsumpcją a dochodam. Uważa sę, że: - zależność

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym Załązn nr 3 Do zzegółowyh Zasad rowadzena Rozlzeń Transa rzez KDW_CC Zasady wyznazana mnmalne wartoś środów oberanyh rzez uzestnów od osób zleaąyh zaware transa na rynu termnowym 1. Metodologa wyznazana

Bardziej szczegółowo

Rys. 1. Temperatura punktu rosy na wykresie p-t dla wody.

Rys. 1. Temperatura punktu rosy na wykresie p-t dla wody. F-Pow wlot / Powetrze wlotne. Defncje odstawowe Powetrze wlotne jest roztwore (lub eszanną) owetrza sucheo wody w ostac: a) ary rzerzanej lub b) ary nasyconej suchej lub c) ary nasyconej suchej ły cekłej

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

Bardziej szczegółowo

ZASADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERSKIE

ZASADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERSKIE Zasady wyznazana depozytów zabezpezaąyh po wprowadzenu do obrotu op w rela lent-buro malerse ZAADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERKIE

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Krzysztof Dmytrów * Marusz Doszyń ** Unwersytet Szczecńsk PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA

Bardziej szczegółowo

Metoda Różnic Skończonych

Metoda Różnic Skończonych Metody Oblczenoe, P.E.Srokosz Metoda Różnc Skończonych Część Belka na srężystym odłożu x L K SIŁY NĄCE Kontynuacja Zadana Wyznaczyć sły tnące belce na srężystym odłożu arunkach odarca jak na rysunku oyżej.

Bardziej szczegółowo

Rozdział 1. Nazwa i adres Zamawiającego Gdyński Ośrodek Sportu i Rekreacji jednostka budżetowa Rozdział 2.

Rozdział 1. Nazwa i adres Zamawiającego Gdyński Ośrodek Sportu i Rekreacji jednostka budżetowa Rozdział 2. Z n a k s p r a w y G O S I R D Z P I 2 7 1 0 5 32 0 1 4 S P E C Y F I K A C J A I S T O T N Y C H W A R U N K Ó W Z A M Ó W I E N I A f W y k o n a n i e p r z e g l» d ó w k o n s e r w a c y j n o -

Bardziej szczegółowo

Kwantowa natura promieniowania elektromagnetycznego

Kwantowa natura promieniowania elektromagnetycznego Efekt Comptona. Kwantowa natura promenowana elektromagnetycznego Zadane 1. Foton jest rozpraszany na swobodnym elektrone. Wyznaczyć zmanę długośc fal fotonu w wynku rozproszena. Poneważ układ foton swobodny

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

1. OKREŚLENIE PARAMETRÓW GEOTECHNICZNYCH

1. OKREŚLENIE PARAMETRÓW GEOTECHNICZNYCH Projekt z fundamentowana: MUR OPOROWY (tuda mgr) POSADOWIENIE NA PALACH WG PN-83/B-02482. OKREŚLENIE PARAMETRÓW GEOTECHNICZNYCH grunt G π P d T/Nm P / P r grunt zayp. Tabl.II.. Zetawene parametrów geotechncznych.

Bardziej szczegółowo

8. MOC W OBWODZIE PRĄDU SINUSOIDALNEGO

8. MOC W OBWODZIE PRĄDU SINUSOIDALNEGO OBWODY I SYGNAŁY 8. MOC W OBWODZIE PRĄD SINSOIDALNEGO 8.. MOC CHWILOWA Jeśl na zacskach dójnka SLS ystępje napęcoe ymszene harmonczne, to prąd zmena sę róneż snsodalne z tą samą plsacją Nech () t m sn

Bardziej szczegółowo

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Proko roko@sgh.waw.l Statyka dynamka olgoolstyczne struktury rynku. Modele krótkookresowe konkurenc cenowe w olgoolu.. Model ogranczonych mocy rodukcynych ako wyaśnene

Bardziej szczegółowo

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m

Bardziej szczegółowo

Ryzyko inwestycji. Ryzyko jest to niebezpieczeństwo niezrealizowania celu, założonego przy podejmowaniu określonej decyzji. 3.

Ryzyko inwestycji. Ryzyko jest to niebezpieczeństwo niezrealizowania celu, założonego przy podejmowaniu określonej decyzji. 3. PZEDMIIOT : EFEKTYWNOŚĆ SYSTEMÓW IINFOMTYCZNYCH 3. 3. Istota, defncje rodzaje ryzyka Elementem towarzyszącym każdej decyzj, w tym decyzj nwestycyjnej, jest ryzyko. Wynka to z faktu, że decyzje operają

Bardziej szczegółowo

Analiza korelacji i regresji

Analiza korelacji i regresji Analza korelacj regresj Zad. Pewen zakład produkcyjny zatrudna pracownków fzycznych. Ich wydajność pracy (Y w szt./h) oraz mesęczne wynagrodzene (X w tys. zł) przedstawa ponższa tabela: Pracownk y x A

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

Zadanie 2. Dany jest szereg rozdzielczy przedziałowy, wyznaczyć następujące miary: 0 5 5 wariancja, odchylenie standardowe

Zadanie 2. Dany jest szereg rozdzielczy przedziałowy, wyznaczyć następujące miary: 0 5 5 wariancja, odchylenie standardowe Zadane 1. Dany jet zereg przedzałowy, wyznaczyć natępujące mary: x n średna arytmetyczna 1 10 warancja, odchylene tandardowe 15 domnanta 3 0 medana 4 35 kurtoza 5 0 6 15 Zadane. Dany jet zereg rozdzelczy

Bardziej szczegółowo

2. PRAKTYCZ A REALIZACJA PRZEMIA Y ADIABATYCZ EJ

2. PRAKTYCZ A REALIZACJA PRZEMIA Y ADIABATYCZ EJ . PRAKTYCZ A REALIZACJA PRZEMIA Y ADIABATYCZ EJ. Wroadzene Przemana jest adabatyczna, jeśl dla każdych dóch stanó l, leżących na tej rzemane Q - 0. Z tej defncj ynka, że aby zrealzoać yżej ymenony roces,

Bardziej szczegółowo

P 1, P 2 - wektory sił wewnętrznych w punktach powierzchni F wokół punktu A

P 1, P 2 - wektory sił wewnętrznych w punktach powierzchni F wokół punktu A TEORI STNU NPRĘŻENI. WEKTOR NPRĘŻENI r x P P P P, P - wektory sł wewnętrznych w unktach owerzchn wokół unktu P P r, P - suma sł wewnętrznych na owerzchn P P P P średna gęstość sł wewnętrznych na owerzchn

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość

Bardziej szczegółowo

Rozdział 1. Nazwa i adres Zamawiającego Gdyński Ośrodek Sportu i Rekreacji jednostka budżetowa Rozdział 2.

Rozdział 1. Nazwa i adres Zamawiającego Gdyński Ośrodek Sportu i Rekreacji jednostka budżetowa Rozdział 2. Z n a k s p r a w y G O S i R D Z P I 2 7 1 0 3 62 0 1 4 S P E C Y F I K A C J A I S T O T N Y C H W A R U N K Ó W Z A M Ó W I E N I A Z a p e w n i e n i e z a s i l a n i ea n e r g e t y c z ne g o

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 3 Szereg

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K)

KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K) STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Mchał Kolupa Poltechnka Radomska w Radomu Joanna Plebanak Szkoła Główna Handlowa w Warszawe KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO

Bardziej szczegółowo

Rozdział 1. Nazwa i adres Zamawiającego Gdyńskie Centrum Sportu jednostka budżetowa Rozdział 2. Informacja o trybie i stosowaniu przepisów

Rozdział 1. Nazwa i adres Zamawiającego Gdyńskie Centrum Sportu jednostka budżetowa Rozdział 2. Informacja o trybie i stosowaniu przepisów Z n a k s p r a w y G C S D Z P I 2 7 1 0 4 52 0 1 5 S P E C Y F I K A C J A I S T O T N Y C H W A R U N K Ó W Z A M Ó W I E N I A W y k o n a n i e p o m i a r ó w i n s t a l a c j i e l e k t r y c

Bardziej szczegółowo

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH ARAMETRY ELEKTRYZNE YFROWYH ELEMENTÓW ÓŁRZEWODNIKOWYH SZYBKOŚĆ DZIAŁANIA wyrażona maksymalną częsolwoścą racy max MO OBIERANA WSÓŁZYNNIK DOBROI D OBIĄŻALNOŚĆ ELEMENTÓW N MAKSYMALNA LIZBA WEJŚĆ M ODORNOŚĆ

Bardziej szczegółowo

Dobór zmiennych objaśniających

Dobór zmiennych objaśniających Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

R, R, R n itd. przestrzenie wektorowe, których elementami są wektory określone przez długość, kierunek i zwrot.

R, R, R n itd. przestrzenie wektorowe, których elementami są wektory określone przez długość, kierunek i zwrot. WYKŁAD. PRZESTRZENIE AFINICZNE, PROSTA. PŁASZCZYZNA. E PRZESTRZENIE AFINICZNE y P(,, c) x z E, E, E d. - rzesrzee ukoe, kórych elemem są uky ose rzy omocy sółrzędych, j. ukłdó lcz rzeczysych osc (, ),

Bardziej szczegółowo

Finansowe szeregi czasowe wykład 7

Finansowe szeregi czasowe wykład 7 Fnansowe szereg czasowe wykład 7 dr Tomasz Wójowcz Wydzał Zarządzana AGH 38 33 28 23 18 13 8 1 11 21 31 41 51 61 71 Kraków 213 Noowana ndeksu WIG w okrese: 3 marca 29 31 syczna 211 55 5 45 4 35 3 25 2

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

MECHANIKA BUDOWLI 13

MECHANIKA BUDOWLI 13 1 Oga Kopacz, Adam Łodygos, Krzysztof ymper, chał Płotoa, Wocech Pałos Konsutace nauoe: prof. dr hab. JERZY RAKOWSKI Poznań 00/00 ECHANIKA BUDOWLI 1 Ugęca bee drgaących. Wzory transformacyne bee o cągłym

Bardziej szczegółowo

Analiza struktury zbiorowości statystycznej

Analiza struktury zbiorowości statystycznej Analza struktury zborowośc statystycznej.analza tendencj centralnej. Średne klasyczne Średna arytmetyczna jest parametrem abstrakcyjnym. Wyraża przecętny pozom badanej zmennej (cechy) w populacj generalnej:

Bardziej szczegółowo

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2 T A R C Z A Z E G A R O W A ASTYGMATYZM 1.Pojęca ogólne a) astygmatyzm prosty (najbardzej zgodny z pozomem) - najbardzej płask połudnk tzn. o najmnejszej mocy jest pozomy b) astygmatyzm odwrotny (najbardzej

Bardziej szczegółowo

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnena dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dorota-colek/ dorota.colek@ug.edu.pl 1 Wpływ skalowana danych na MNK

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego

Bardziej szczegółowo

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.

Bardziej szczegółowo

Temat: Operacje elementarne na wierszach macierzy

Temat: Operacje elementarne na wierszach macierzy Temat: Operacje elementarne na erszach macerzy Anna Rajfura Anna Rajfura Operacje elementarne na erszach macerzy n j m n A Typy operacj elementarnych. Zamana mejscam erszy oraz j, ozn.: j. Mnożene ersza

Bardziej szczegółowo

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Blok 7: Zasada zachowania energii mechanicznej. Zderzenia

Blok 7: Zasada zachowania energii mechanicznej. Zderzenia Blok 7 Zaada zachowana energ echancznej. Zderzena I. Sły zachowawcze nezachowawcze Słą zachowawczą nazyway łę która wzdłuż dowolnego zaknętego toru wykonuje pracę równą zeru. Słą zachowawczą nazyway łę

Bardziej szczegółowo

WYKORZYSTANIE SYMULACJI STOCHASTYCZNEJ DO BADANIA WRAŻLIWOŚCI SKŁADU OPTYMALNYCH PORTFELI AKCJI

WYKORZYSTANIE SYMULACJI STOCHASTYCZNEJ DO BADANIA WRAŻLIWOŚCI SKŁADU OPTYMALNYCH PORTFELI AKCJI ZESZYTY AUKOWE UIWERSYTETU SZCZECIŃSKIEGO R 768 FIASE, RYKI FIASOWE, UBEZPIECZEIA R 63 2013 IWOA KOARZEWSKA Unwersytet Łódzk WYKORZYSTAIE SYMULACJI STOCHASTYCZEJ DO BADAIA WRAŻLIWOŚCI SKŁADU OPTYMALYCH

Bardziej szczegółowo

Pattern Classification

Pattern Classification Pattern Classfcaton All materals n these sldes ere taken from Pattern Classfcaton nd ed by R. O. Duda, P. E. Hart and D. G. Stork, John Wley & Sons, 000 th the permsson of the authors and the publsher

Bardziej szczegółowo

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA Z a m a w i a j» c y G D Y S K I O R O D E K S P O R T U I R E K R E A C J I J E D N O S T K A B U D E T O W A 8 1 5 3 8 G d y n i a, u l O l i m p i j s k a 5k 9 Z n a k s p r a w y G O S I R D Z P I

Bardziej szczegółowo

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. Zmienna losowa skokowa i jej rozkład STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo