Matematyka nansowa - 3. Teoria akumulacji kapitaªu i mierniki warto±ci inwestycji

Wielkość: px
Rozpocząć pokaz od strony:

Download "Matematyka nansowa - 3. Teoria akumulacji kapitaªu i mierniki warto±ci inwestycji"

Transkrypt

1 Matematyka nansowa - 3. Teoria akumulacji kapitaªu i mierniki warto±ci inwestycji I. Rachunek warto±ci pieni dza w czasie Gªównym naszym celem w ramach tego kursu jest porównanie warto±ci ró»nych inwestycji. Stopa zwrotu byªaby doskonaªym narz dziem do tego zadania, ale zanim zaczniemy j stosowa, musimy dokªadnie zrozumie, czym wªa±ciwie ona jest - zarówno od strony matematycznej, jak i od strony teorii ekonomii. Przy wyznaczaniu warto±ci pieni dza istotna jest nie tylko jego warto± nominalna, ale te» moment czasowy, w którym ta warto± si znajduje. 100 PLN w tym momencie jest warte wi cej ni» 100 PLN za rok. Dlatego, je±li osoba A ma po»yczy 100 PLN osobie B na rok, to osoba B poza zwrotem 100 PLN powinna zapªaci jak ± rekompensat (np. odsetki), by umowa byªa sprawiedliwa. Innymi sªowy, kapitaª 100 PLN przez ten rok ulega aprecjacji, czyli zwi kszeniu swojej nominalnej warto±ci (o rzeczone odsetki). Jakie s powody do tego by nie uznawa kwoty np. 100 PLN dzisiaj za wart tyle samo co obietnica kwoty 100 PLN za rok? Najpierw rozwa»my kwestie, które na tym kursie zazwyczaj b dziemy pomija : Ryzyko - oczywi±cie, cz ±ci ceny za po»yczanie kapitaªu jest opªata za ryzyko,»e dªu»nik umrze, zbankrutuje, ucieknie lub z jakiegokolwiek innego powodu nie zwróci po»yczonych pieni dzy. To jest wa»ny powód istnienia odsetek, niemniej nie rozwa»amy go na tym kursie, bo jak zaªo»yli±my wcze±niej - wszystkie pªatno±ci tutaj s deterministyczne. Inacja - najcz ±ciej, ze wzgl du na inacj, ta sama nominalna kwota kapitaªu w czasie zmniejsza swoj realn warto± w miar upªywu czasu. W cz ±ci 2 tego wykªadu nauczyli±my si, jak to uwzgl dnia w obliczeniach. Jednak formalnie, mo»e si zdarzy sytuacja, gdy inacja jest zerowa (lub ujemna), wi c nie zawsze b dzie to dobre uzasadnienie istnienia odsetek. Istniej dwa inne powody istnienia odsetek, bardziej zwi zane z natur tego kursu. Po pierwsze, z punktu widzenia poda»y kapitaªu, po»yczkodawca, zamiast po»yczy dany kapitaª mógª go umie±ci na lokacie bankowej, zakupi akcje, czy obligacje i po roku otrzyma wi cej ni» wpªaciª. Wiele osób i instytucji chciaªoby zapªaci za dost p do tego kapitaªu, wi c po»yczenie go za darmo byªoby równowa»ne z utrat tej zapªaty, co trzeba zrekompensowa. Jeszcze dobitniej mo»na spojrze na utracone korzy±ci z punktu widzenia inwestycji rzeczowych: potencjalny po»yczkodawca mógª zainwestowa w rozwój wªasnego przedsi biorstwa (np. wªa±ciciel fabryki w maszyny, drobny rzemie±lnik w lepsze narz dzia, zwykªy pracownik w kurs j zykowy lub np. lepszy komputer), które daªoby mu mo»liwo± zwi kszenia swoich dochodów w przyszªo±ci (koszt alternatywny, koszt utraconej korzy±ci). Brak takiej mo»liwo±ci musi by zrekompensowany. Z poprzednim argumentem mo»na jeszcze si kªóci, twierdz c,»e nie ma gwarancji,»e potencjalne inwestycje si zwróc, ale mamy jeszcze inny argument, wynikaj cy z popytowego punktu widzenia. Otó» po»yczkodawca mo»e wykorzysta dany kapitaª nie tylko na inwestycje, ale na zaspokojenie swoich potrzeb. =Generaln reguª jest,»e czªowiek chce dokona tego mo»liwie jak najszybciej - je±li kto± jest gªodny, to chciaªby co± zje± teraz, nie za rok. Je±li kogo± boli z b, to wolaªby do dentysty pój± za godzin, a nie za tydzie«. =Konieczno± odsuni cia w czasie mo»liwo±ci realizacji takich potrzeb, do których potrzebny jest po»yczany kapitaª, wymaga rekompensaty. Ta bezsporna obserwacja ma swoj nazw : Denicja 1. Preferencja czasowa jest to reguªa, która gªosi,»e ceteris paribus podmiot ekonomiczny woli zaspokoi swoje potrzeby b d¹ osi gn postawione cele mo»liwie jak najszybciej. Jakkolwiek preferencja czasowa jest zasad dotycz c ka»dego czªowieka, to siªa jej dzia- ªania jest kompletnie subiektywna. Z tego powodu pr dko± aprecjacji kapitaªu jest poj ciem subiektywnym, ustalanym osobno dla ka»dego zagadnienia. 1

2 2 Z zasady preferencji czasowej oraz z istnienia kosztów alternatywnych wynika konieczno± opªaty za powstrzymanie si od natychmiastowego wykorzystania kapitaªu. Wnioskiem st d jest: Denicja 2 (Zasada aprecjacji kapitaªu). Je±li dwie nierównoczesne nale»no±ci s równowa»ne (czyli jednakowo u»yteczne), to warto± nominalna nale»no±ci pªatnej pó¹niej jest wi ksza ni» nale»no±ci pªatnej wcze±niej. Innymi sªowy, warto± nominalna ekwiwalentu pewnej nale»no±ci ro±nie wraz z czasem, po jakim ten ekwiwalent b dzie pªatny. Mo»na t zasad sformuªowa inaczej: kapitaª o tej samej warto±ci nominalnej traci swoj warto± rzeczywist wraz z upªywem czasu. Denicja 3 (Kapitaª). Kapitaª - oznaczany najcz ±ciej przez K - zasób (tutaj najcz - ±ciej nansowy), którego warto± podlega procesowi aprecjacji. Dlatego ogóln zasad arytmetyki nansowej jest porównywanie dwóch nale»no±ci jedynie w tym samym momencie czasowym. Je±li jedna z tych warto±ci jest wypªacana w innym czasie ni» druga, nale»y jedn (lub obie) z nich przed porównaniem zaktualizowa na wybrany, dogodny moment (za chwil omówimy, jak to zrobi ). Wtedy i tylko wtedy mo»emy porównywa takie nale»no±ci. Pr dko± aprecjacji kapitaªu jest równa stosunkowi wzgl dnego przyrostu warto±ci ekwiwalentu kapitaªu do dªugo±ci okresu, w jakim ten przyrost warto±ci si dokonaª. Miar tej pr dko±ci jest wªa±nie wspomniana wcze±niej stopa zwrotu (r) (stopa zysku, rentowno± ). W wypadku lokat - stop zwrotu jest efektywna stopa procentowa w danym okresie czasu. Inwestycje z wi ksz stop zwrotu s bardziej opªacalne (przy innych warunkach takich samych). Pami tajmy,»e je±li chcemy zmieni okres stopy zwrotu, musimy te» zmieni jej okres kapitalizacji, wi c konieczne jest stosowanie wzorów na efektywn stop zwrotu. Zaªó»my,»e mamy dan stop zwrotu r o okresie 1 i kapitaª K, którym dysponujemy w chwili 0. Jaki kapitaª K N jest jego ekwiwalentem w chwili N? Bez dodatkowych informacji zakªadamy,»e aprecjacja kapitaªu dziaªa w sposób zªo»ony. Wtedy warto± kapitaªu w chwili N mo»emy obliczy tak samo jak w wypadku lokaty: K N = K(1 + r) N. W ten sposób mo»na dowolny kapitaª z momentu 0 zaktualizowa na moment N. Warto zauwa»y,»e N mo»e by zarówno dodatnie jak i ujemne, wi c ka»dy kapitaª mo»emy w ten sposób przesuwa w czasie w obie strony. Proces aktualizacji nazywamy czasem oprocentowaniem (gdy przesuwa kapitaª w czasie w przód) lub dyskontowaniem (gdy przesuwa w czasie w tyª). By aktualizowa kapitaª potrzebna nam jest stopa procentowa (i okres kapitalizacji dla niej przyj ty), mierz ca preferencj czasow zainteresowanych stron. Cz sto mo»na sobie j wyobrazi jako stop zwrotu z najlepszej z pewnych inwestycji, do której strony (lub jedna z nich) maj dost p lub po prostu jako dan psychologiczn. Od tej pory o dwóch kapitaªach b dziemy mówi,»e s równowa»ne (przy danej stopie procentowej r) je±li ich warto±ci zaktualizowane na ten sam moment w czasie s równe. Je±li zakªadamy aktualizacj kapitaªu za pomoc kapitalizacji zªo»onej, równowa»no± kapitaªów nie zale»y od wybranego momentu czasowego. Na koniec, mamy prost reguª szacowania czasu podwojenia kapitaªu w inwestycji znan jako reguªa 70: inwestycja daj ca zwrot R% rocznie podwoi zainwestowany kapitaª po okoªo 70 latach. Np. inwestycja na 2% rocznie da nam podwojenie kapitaªu po 35 latach, R a na 5% - po 14 latach. Oczywi±cie, jest to dobre oszacowanie tylko dla maªych R. Np. przy R 10 bezpieczniej stosowa analogiczn reguª 72. II. Warto± bie» ca netto

3 Denicja 4. Inwestycj nansow nazywamy ci g pªatno±ci znanych co do wielko±ci i momentów wyst powania. W praktyce, mo»emy tak nazwa dowolne przedsi wzi cie zwi - zane z wykorzystaniem posiadanych zasobów kapitaªowych, które zostaj zaanga»owane w postaci nakªadu, daj cego inwestorowi prawo do ewentualnych dochodów w przyszªo±ci. B dziemy analizowa deterministyczne ci gi pªatno±ci tj. inwestycje, które mo»na opisa w postaci ci gu znanych z góry kwot pªatno±ci i momentów ich wyst powania. Nie analizujemy na razie czynników ryzyka. Denicja 5. Inwestycj nansow o pojedynczym nakªadzie nazywamy inwestycj wymagaj ca od inwestora tylko jednego wydatku, w momencie pocz tkowym. Przez C j b dziemy oznacza pªatno±ci skªadaj ce si na inwestycj. Je±li s to nakªady inwestora, przypisujemy im znak ujemny. Je±li s to przychody inwestora z inwestycji, przypisujemy im znak dodatni. Np. dla inwestycji o pojedynczym nakªadzie C 0 = P (jako cena inwestycji) jest ujemna, a pozostaªe pªatno±ci dodatnie. t j to czas j-tej pªatno±ci wyra»ony w okresach obowi zuj cej stopy procentowej (jak zwykle, zakªadamy OS = OK = 1). Je±li t j nie jest wyra¹nie podane, to t j = j (np. C 0 domy±lnie oznacza pªatno± w chwili 0). Denicja 6. Warto± bie» ca netto (NPV) Warto± bie» ca netto inwestycji (NPV - net present value) - suma zdyskontowanych na moment t = 0 nakªadów i dochodów z inwestycji, przy ustalonej stopie procentowej. Dla stopy r oznaczana przez N P V (r). NP V (r) = N C j (1 + r) t j. j=0 NP V jako funkcja r jest to funkcja ci gªa i ró»niczkowalna o dziedzinie ( 1, + ). Warto± bie» ca netto jest wska¹nikiem wygodnym w obliczeniach i okre±lonym dla dowolnej stopy procentowej i dowolnej inwestycji - dodatkowo wyra»onym w jednostkach pieni»nych. Jednak, skoro jej warto± zale»y od wybranej stopy procentowej r, jej interpretacja musi by bardzo konkretna. Denicja 7 (Interpretacja NPV). Zaªó»my,»e jest dana inwestycja A o stopie zwrotu r (o zadanym okresie stopy) - mo»e to by np. lokata o takiej efektywnej stopie zwrotu. Inwestycja B jest bardziej opªacalna od inwestycji A je±li dla inwestycji B NP V (r) > 0, mniej opªacalna je±li NP V (r) < 0 i równie opªacalna, gdy NP V (r) = 0. Co prawda, najcz ±ciej przy interpretacji N P V (r) wystarczy znak, ale warto± te» mo-»emy zinterpretowa. Denicja 8 (NPV - druga interpretacja). Warto± N P V (r) mo»emy zinterpetowa jako maksymaln cen, któr inwestor jest gotów zapªaci za prawo do dokonania danej inwestycji, zakªadaj c,»e chce uzyska stop zwrotu r. Warto± bie» ca netto sama w sobie jest dalekim od ideaªu miernikiem opªacalno±ci inwestycji. Przede wszystkim warto± NPV zale»y od przyj tej stopy procentowej, której zazwyczaj nie mamy danej z góry. Dlatego trafno± oceny inwestycji na podstawie NPV zale»y od prawidªowego wyboru warto±ci stopy r. Mo»e si zdarzy,»e jedna inwestycja ma wi ksze NPV od drugiej przy niektórych stopach procentowych, a przy innych ta druga ma wi ksze NPV od pierwszej. Ponadto NPV jest miernikiem addytywnym (tj. NPV sumy dwu inwestycji jest sum NPV tych inwestycji), wi c NPV zmienia warto± w zale»no±ci od skali inwestycji. W szczególno±ci, je±li inwestycja B ró»ni si od inwestycji tylko skal tj. je±li wszystkie pªatno±ci inwestycji B s w tych samych momentach czasowych i s k-krotnie wi ksze od odpowiednich pªatno±ci inwestycji A, to dla ka»dej stopy r NP V B (r) = k NP V A (r). To,»e jedna inwestycja dla pewnego poziomu r ma wi ksze NPV ni» druga, nie oznacza automatycznie,»e jest bardziej opªacalna. Innymi sªowy, maksymalizowanie NPV nie jest zazwyczaj dobr strategi wyboru inwestycji. 3

4 4 Twierdzenie 1 (Twierdzenie o NPV dla inwestycji o pojedynczym nakªadzie). Niech A b dzie inwestycj o pojedynczym nakªadzie. Wtedy jej funkcja warto±ci bie» cej netto NP V A (r) jest malej ca i wypukªa w caªej dziedzinie. Innymi sªowy, NPV inwestycji o pojedynczym nakªadzie maleje (ale coraz wolniej) wraz ze wzrostem r. W szczególno±ci, konsekwencj tego twierdzenia jest fakt,»e NPV dla inwestycji o pojedynczym nakªadzie ma co najwy»ej jedno miejsce zerowe. Zaªo»enie o pojedynczym nakªadzie w ostatnim twierdzeniu jest istotne, bo dla dowolnych inwestycji NP V nie musi by malej ca i wypukªa (i mo»e mie wi cej ni» jedno miejsce zerowe). III. Wewn trzna stopa zwrotu - IRR Najbardziej typowym miernikiem oceny opªacalno±ci inwestycji jest stopa zwrotu, zwana w literaturze wewn trzn stop zwrotu (IRR - internal rate of return). Je±li porz dnie j zdeniujemy dla dowolnych inwestycji, b dziemy mogli je porównywa mi dzy sob. Ceteris paribus, inwestycja o wy»szej stopie zwrotu b dzie uwa»ana za bardziej opªacaln. Dla lokat, wewn trzn stop zwrotu stanowi stopa efektywna o typowym okresie. Mo»na wi c powiedzie,»e IRR jest tak stop oprocentowania lokaty, przy której rozwa»ana inwestycja jest równie opªacalna co ta lokata. Stosowanie IRR jako miary opªacalno±ci jest bezwzgl dnie sªuszne tylko w sytuacji, gdy mo»emy reinwestowa zyski w ten sam sposób. Matematycy nansowi zajmuj si mi dzy innymi ulepszaniem jej denicji by dziaªaªa w bardziej skomplikowanych wypadkach - my jednak w ramach tego kursu rozwa»amy zazwyczaj tylko ten najprostszy przypadek (wrócimy do tego przy okazji strumieni pªatno±ci i dyskusji o kapitalizacji zªo»onej i mieszanej). Przypominam,»e wewn trzna stopa zwrotu inwestycji jest zawsze stop zgodn. Je±li nie ma podanych innych informacji to OS = OK = 1. Przej±cie na inny okres stopy zwrotu wymaga u»ycia wzoru na stop efektywn (bo wymaga zmiany okresu kapitalizacji). Rozwa»amy inwestycj o takich samych oznaczeniach jak w przypadku denicji NPV. W szczególno±ci OS = OK = 1. Denicja 9. Wewn trzn stop zwrotu (IRR) danej inwestycji o zadanym okresie, nazywamy tak stop r dla której warto± bie» ca netto tej inwestycji NP V (r ) = 0. IRR, w przeciwie«stwie do NPV, nie jest wra»liwa na zmian skali inwestycji. Wynika to z faktu,»e po przemno»eniu przez dowoln dodatni liczb, NPV zmienia warto±ci we wszystkich punktach poza miejscami zerowymi, które s jedynymi punktami istotnymi dla wyznaczenia IRR. Dlatego IRR jest lepszym narz dziem oceny inwestycji ni» NPV. Czy taka stopa zawsze istnieje i jest wyznaczona jednoznacznie? Ogólnie, odpowied¹ jest negatywna. Wyznaczenie IRR wymaga rozwi zania równania wielomianowego. Od razu nasza wiedza o takich zagadnieniach wskazuje 3 mo»liwe ¹ródªa kªopotów: Równanie wielomianowe mo»e nie posiada rozwi za«rzeczywistych. Równanie wielomianowe mo»e posiada wiele rozwi za«nale» cych do dziedziny równania. Dotychczasowe kursy nie daªy Pa«stwu narz dzi do dokªadnego rozwi zywania równa«wielomianowych stopnia wi kszego ni» 2 (a dla stopnia wi kszego ni» 4 nawet takie algorytmy nie istniej ). Dlatego IRR z denicji mo»e nie istnie lub by niejednoznacznie zdeniowana (przykªady na wykªadzie). Konieczne jest znalezienie jakiego± kryterium, które pozwalaªoby bezpiecznie okre±li, kiedy stosowanie IRR jest bezpieczne. Nie istnieje twierdzenie, które pozwalaªoby odró»- ni inwestycje o dobrze okre±lonej wewn trznej stopie zwrotu od pozostaªych, ale istniej wyniki cz ±ciowe, przede wszystkim warunki wystarczaj ce, które za chwile przedstawi.

5 W szczególno±ci, jak pami tamy, dla inwestycji o pojedynczym nakªadzie NP V jest funkcj malej c, wi c mo»e mie tylko jedno miejsce zerowe. Dla takich inwestycji IRR jest to maksymalna stopa, przy której inwestycja jest opªacalna. Twierdzenie 2. Dla inwestycji, w których ci g dochodów jest poprzedzony ci giem nakªadów, IRR istnieje i jest jednoznacznie okre±lona. Twierdzenie to stanowi tylko warunek wystarczaj cy, a nie konieczny tj. istniej inwestycje niespeªniaj ce zaªo»e«twierdzenia, które maj dobrze okre±lon IRR. Niemniej przygniataj ca wi kszo± sytuacji, które analizowali±my i b dziemy analizowa na tym kursie speªnia zaªo»enia tego twierdzenia, wi c dla nich okre±lanie IRR ma sens. W ten sposób wyja±nili±my dwie pierwsze, teoretyczne w tpliwo±ci dotycz ce mo»liwo±ci obliczania IRR. Pozostaªa trzecia - techniczna, ale równie wa»na: jak w praktyce rozwi za równanie na IRR, gdy nie da si go sprowadzi do równania kwadratowego? Nie mamy ogólnej metody pozwalaj cej znale¹ rozwi zanie dokªadne, ale mo»emy znale¹ rozwi zanie z dowolnym przybli»eniem opieraj c si na znanym z analizy twierdzeniu Darboux. Je±li wiemy,»e r istnieje, nale»y u»y tzw. metody Darboux i wzoru przybli»onego: sprawdzamy warto± NPV dla ró»nych r, dopóki nie znajdziemy przedziaªu [r +, r ], o ustalonej dªugo±ci (np. 5%) takiego,»e NP V (r + ) jest dodatnie, a NP V (r ) jest ujemne. St d, na podstawie wªasno±ci Darboux, r [r +, r ]. Metody Darboux mo»emy u»y tyle razy, by znale¹ si dowolnie blisko rozwi zania. Niemniej, jest ona do± powolna w dziaªaniu. Dlatego, gdy za jej pomoc wystarczaj co skrócimy przedziaª, w którym mo»e by r (za wystarczaj ce skrócenie b dziemy na tym kursie przyjmowa przedziaª dªugo±ci 5%), u»ywamy wzoru znanego jako regula falsi lub wzór stycznych: r NP V (r + ) r + + (r r + ) NP V (r + ) + NP V (r ), gdzie r + i r s tak dobrane,»e NP V (r + ) jest dodatnie, a NP V (r ) jest ujemne. Wynik jest tym dokªadniejszy, im bli»sze zeru s warto±ci NP V (r + ) i NP V (r ). Ten przybli-»ony wynik b dzie mie zawsze ujemne NPV, wi c, je±li potrzebujemy dokªadniejszego przybli»enia mo»na znów go podstawi do tego wzoru jako nowe r. Po kilku powtórkach (najlepiej wykonanych przy pomocy komputera) odnajdziemy bardzo dokªadne przybli-»enie. IV. redni czas trwania inwestycji IRR jest najbardziej typowym miernikiem opªacalno±ci inwestycji. Jednak czasami chcemy inwestycj oceni pod innym k tem. Przykªadowo, poza rentowno±ci, wa»na jest te» pªynno± inwestycji. Je±li mamy do wyboru inwestycj trwaj c rok i inwestycj trwaj c 5 lat o tej samej (lub bardzo podobnej) rentowno±ci, to zazwyczaj wybierzemy t trwaj c rok - gdy» w najgorszym wypadku mo»emy j 5 razy powtórzy i uzyska ten sam rezultat, a mo»e si okaza,»e pieni dze b d nam potrzebne wcze±niej ni» za 5 lat na lepsz okazj inwestycyjn albo konsumpcyjn (pomijam tu ju» aspekt wi kszego ryzyka inwestycji dªugoterminowych). Dobrze byªoby mie jakie± mierniki, które potra to uchwyci. Przykªadem takiego miernika jest ±redni czas trwania, okre±lony dla inwestycji o pojedynczych nakªadach. Rozwa»amy inwestycj o pojedynczym nakªadzie. Dla takiej inwestycji C 0 = P jest jedynym nakªadem, czyli cen (bie» c warto±ci ) inwestycji. Istnieje stopa IRR równa r taka,»e 5 P = N C j (1 + r ) t j j=1

6 6 Denicja 10. rednim czasem trwania (duration) danej inwestycji nazywamy ±redni wa»on momentów wyst powania pªatno±ci, w której wagami s zaktualizowane na moment t = 0 udziaªy kolejnych pªatno±ci w cenie inwestycji. Oznaczamy go liter D. D = 1 P N t j C j (1 + r ) t j. j=1 redni czas trwania jest wyra»ony w tych samych jednostkach czasu co czasy pªatno±ci t j. redni czas trwania jest to pozycja ±rodka ci»ko±ci strumienia pªatno±ci na osi czasu: suma wszystkich poprzedzaj cych go pªatno±ci po aktualizacji jest zrównowa»ona z sum wszystkich po nim nast puj cych. Jest on wra»liwy na zmian rozmieszczenia pªatno±ci w czasie, ale nie na zmian skali inwestycji. redni czas trwania bywa nazywany ±rednim terminem wykupu. Nazwa ta wynika z nast puj cej interpretacji: Denicja 11 ( redni czas trwania - pierwsza interpretacja). redni czas trwania mo»na interpretowa w przybli»eniu jako moment, w którym poªowa inwestycji si ju» zwróciªa. Z tej interpretacji natychmiast wynika,»e ceteris paribus inwestor powinien wybra inwestycj o jak najmniejszej warto±ci tego miernika. Denicja 12. redni czas trwania - interpretacja ekonomiczna D jest elastyczno±ci ceny inwestycji wzgl dem czynnika q = 1 + r. Zatem ±redni czas trwania wyra»a przybli»ony procentowy spadek ceny inwestycji na skutek wzrostu stopy procentowej o 1 punkt procentowy. W jakiej sytuacji taka elastyczno± wzgl dem stopy procentowej mo»e mie znaczenie? Wyobra¹my sobie,»e inwestor widzi dobr okazj inwestycyjn, co do której musi si zdeklarowa teraz, ale w któr zainwestuje za jaki± czas, np. za rok. Wie,»e nie b dzie dysponowaª wªasnym kapitaªem, który pozwoli mu na t inwestycj, ale zamierza wzi na ni kredyt w banku. Stopa procentowa tego kredytu oczywi±cie zmniejsza jego stop zwrotu z inwestycji, wi c musi j uwzgl dnia w swoich obliczeniach. Jednak nie ma pewno±ci, czy do rozpocz cia inwestycji ta stopa nie wzro±nie, co spowoduje,»e zyski z inwestycji zmalej. Wtedy ±redni czas trwania odpowie na pytanie: jakie w przybli»eniu b d konsekwencje takiego wzrostu? Oczywi±cie, im mniejsza jest jego warto±, tym wi ksza stabilno± ceny inwestycji ze wzgl du na zmiany stóp, a zatem tym mniejsza niepewno± co do rezultatu inwestycji, co jest zawsze po» dane. Tak wi c i ta interpretacja wskazuje,»e inwestor powinien (ceteris paribus) szuka jak najmniejszego ±redniego czasu trwania inwestycji. Z uwagi na ten zwi zek ±redni czas trwania w zaawansowanej matematyce nansowej wykorzystywany jest jako miara ryzyka stopy procentowej. Oczywi±cie, przedstawione tutaj mierniki oceny inwestycji nie wyczerpuj tematu. Stosuje si ich o wiele wi cej - zarówno przeksztaªcaj c ju» omówione tak, by lepiej odzwierciedlaªy rzeczywisto± konkretnych typów inwestycji, jak i tworz c zupeªnie nowe. Jednak na potrzeby tego kursu nie b dziemy wykracza poza omówione tutaj: NPV, IRR i D.

3b. Mierniki oceny inwestycji finansowych

3b. Mierniki oceny inwestycji finansowych 3b. Mierniki oceny inwestycji finansowych Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie Matematyka finansowa rzegorz Kosiorowski (Uniwersytet Ekonomiczny 3b. wmierniki Krakowie) oceny inwestycji

Bardziej szczegółowo

to: r z = I K 0 ; i okres tej stopy zwrotu wynosi T. 1 OS 2

to: r z = I K 0 ; i okres tej stopy zwrotu wynosi T. 1 OS 2 Matematyka nansowa - 1. Lokaty I. Wst pne denicje Konwencja Podstawow jednostk czasu w nansach b dzie rok, wi c je±li nie podajemy jednostki czasu np. podaj c okres stopy, domy±lnie jest to rok. Dla uproszczenia

Bardziej szczegółowo

Zastosowania matematyki

Zastosowania matematyki Zastosowania matematyki Monika Bartkiewicz 1 / 126 ...czy«cie dobrze i po»yczajcie niczego si nie spodziewaj c(šk. 6,34-35) Zagadnienie pobierania procentu jest tak stare jak gospodarka pieni»na. Procent

Bardziej szczegółowo

1 Metody iteracyjne rozwi zywania równania f(x)=0

1 Metody iteracyjne rozwi zywania równania f(x)=0 1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0

Bardziej szczegółowo

Zastosowania matematyki

Zastosowania matematyki Zastosowania matematyki Monika Bartkiewicz 1 / 126 ...czy«cie dobrze i po»yczajcie niczego si nie spodziewaj c(šk. 6,34-35) Zagadnienie pobierania procentu jest tak stare jak gospodarka pieni»na. Procent

Bardziej szczegółowo

Matematyka nansowa - 6. Strumienie pªatno±ci: spªata dªugów

Matematyka nansowa - 6. Strumienie pªatno±ci: spªata dªugów Matematyka nansowa - 6. Strumienie pªatno±ci: spªata dªugów I. Wst pne ogólne denicje i konwencje Rozwa»amy nast puj c sytuacj : po»yczkodawca po»ycza kwot K po»yczkobiorcy, który spªaca ten dªug w N ratach

Bardziej szczegółowo

2 Liczby rzeczywiste - cz. 2

2 Liczby rzeczywiste - cz. 2 2 Liczby rzeczywiste - cz. 2 W tej lekcji omówimy pozostaªe tematy zwi zane z liczbami rzeczywistymi. 2. Przedziaªy liczbowe Wyró»niamy nast puj ce rodzaje przedziaªów liczbowych: (a) przedziaªy ograniczone:

Bardziej szczegółowo

Lab. 02: Algorytm Schrage

Lab. 02: Algorytm Schrage Lab. 02: Algorytm Schrage Andrzej Gnatowski 5 kwietnia 2015 1 Opis zadania Celem zadania laboratoryjnego jest zapoznanie si z jednym z przybli»onych algorytmów sªu» cych do szukania rozwi za«znanego z

Bardziej szczegółowo

S k = R 1 q k + R 2 q k R k 1 q 2 + R k q.

S k = R 1 q k + R 2 q k R k 1 q 2 + R k q. Matematyka nansowa - 5. Strumienie pªatno±ci: renty I. Motywacja, oznaczenia, zaªo»enia Rent cz sto nazywa si dowolny strumie«pªatno±ci. Jednak dla nas rent b dzie strumie«pªatno±ci polegaj cy na wypªacaniu

Bardziej szczegółowo

Strategie zabezpieczaj ce

Strategie zabezpieczaj ce 04062008 Plan prezentacji Model binarny Model Black Scholesa Bismut- Elworthy -Li formuła Model binarny i opcja call Niech cena akcji w chwili pocz tkowej wynosi S 0 = 21 Zaªó»my,»e ceny akcji po trzech

Bardziej szczegółowo

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15 ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku

Bardziej szczegółowo

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja

Bardziej szczegółowo

Ekonometria. wiczenia 7 Modele nieliniowe. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. wiczenia 7 Modele nieliniowe. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Ekonometria wiczenia 7 Modele nieliniowe (7) Ekonometria 1 / 19 Plan wicze«1 Nieliniowo± : co to zmienia? 2 Funkcja produkcji Cobba-Douglasa 3 Nieliniowa MNK (7) Ekonometria 2 / 19 Plan prezentacji 1 Nieliniowo±

Bardziej szczegółowo

Metody dowodzenia twierdze«

Metody dowodzenia twierdze« Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku

Bardziej szczegółowo

Zastosowania matematyki

Zastosowania matematyki Zastosowania matematyki Monika Bartkiewicz 1 / 143 Dyskonto-przypomnienie Obliczanie kapitaªu pocz tkowego P v na podstawie znanej warto±ci kapitaªu ko«cowego F v nazywa si dyskontowaniem kapitaªu F v.

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Zaproszenie. Ocena efektywności projektów inwestycyjnych. Modelowanie procesów EFI. Jerzy T. Skrzypek Kraków 2013 Jerzy T.

Zaproszenie. Ocena efektywności projektów inwestycyjnych. Modelowanie procesów EFI. Jerzy T. Skrzypek Kraków 2013 Jerzy T. 1 1 Ocena efektywności projektów inwestycyjnych Ocena efektywności projektów inwestycyjnych Jerzy T. Skrzypek Kraków 2013 Jerzy T. Skrzypek MODEL NAJLEPSZYCH PRAKTYK SYMULACJE KOMPUTEROWE Kraków 2011 Zaproszenie

Bardziej szczegółowo

Proste modele o zªo»onej dynamice

Proste modele o zªo»onej dynamice Proste modele o zªo»onej dynamice czyli krótki wst p do teorii chaosu Tomasz Rodak Festiwal Nauki, Techniki i Sztuki 2018 April 17, 2018 Dyskretny model pojedynczej populacji Rozwa»my pojedyncz populacj

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )

Bardziej szczegółowo

3a. Teoria akumulacji kapitału

3a. Teoria akumulacji kapitału 3a. Teoria akumulacji kapitału Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie Matematyka finansowa rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) 3a. Teoria akumulacji kapitału Matematyka

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x, y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0, y 0 ) Pochodn cz stkow pierwszego rz du funkcji dwóch zmiennych wzgl

Bardziej szczegółowo

Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010

Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010 WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna

Bardziej szczegółowo

X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne)

X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne) X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne) Zadanie 1 Obecnie u»ywane tablice rejestracyjne wydawane s od 1 maja 2000r. Numery rejestracyjne aut s tworzone ze zbioru

Bardziej szczegółowo

XVII Warmi«sko-Mazurskie Zawody Matematyczne

XVII Warmi«sko-Mazurskie Zawody Matematyczne 1 XVII Warmi«sko-Mazurskie Zawody Matematyczne Kategoria: klasa VIII szkoªy podstawowej i III gimnazjum Olsztyn, 16 maja 2019r. Zad. 1. Udowodnij,»e dla dowolnych liczb rzeczywistych x, y, z speªniaj cych

Bardziej szczegółowo

1 Poj cia pomocnicze. Przykªad 1. A A d

1 Poj cia pomocnicze. Przykªad 1. A A d Poj cia pomocnicze Otoczeniem punktu x nazywamy dowolny zbiór otwarty zawieraj cy punkt x. Najcz ±ciej rozwa»amy otoczenia kuliste, tj. kule o danym promieniu ε i ±rodku x. S siedztwem punktu x nazywamy

Bardziej szczegółowo

14.Rozwiązywanie zadań tekstowych wykorzystujących równania i nierówności kwadratowe.

14.Rozwiązywanie zadań tekstowych wykorzystujących równania i nierówności kwadratowe. Matematyka 4/ 4.Rozwiązywanie zadań tekstowych wykorzystujących równania i nierówności kwadratowe. I. Przypomnij sobie:. Wiadomości z poprzedniej lekcji... Że przy rozwiązywaniu zadań tekstowych wykorzystujących

Bardziej szczegółowo

Maksymalna liczba punktów do zdobycia: 80. Zadanie 1: a) 6 punktów, b) 3 punkty, Zadanie 2: a) 6 punktów, b) 4 punkty,

Maksymalna liczba punktów do zdobycia: 80. Zadanie 1: a) 6 punktów, b) 3 punkty, Zadanie 2: a) 6 punktów, b) 4 punkty, VII Wojewódzki Konkurs Matematyczny "W ±wiecie Matematyki" im. Prof. Wªodzimierza Krysickiego Etap drugi - 17 lutego 2015 r. Maksymalna liczba punktów do zdobycia: 80. 1. Drugi etap Konkursu skªada si

Bardziej szczegółowo

Zadanie 1. Zadanie 2. Niech µ A i µ B oznaczaj stopy zwrotu odpowiednio z aktywa A i B, ªatwo obliczy,»e ,

Zadanie 1. Zadanie 2. Niech µ A i µ B oznaczaj stopy zwrotu odpowiednio z aktywa A i B, ªatwo obliczy,»e , Zadanie 1 Niech µ A i µ B oznaczaj stopy zwrotu odpowiednio z aktywa A i B, ªatwo obliczy,»e Eµ A 0, 02, Eµ 2 A 0, 0175, V arµ A 171 10 4, Eµ B 0, 135, Eµ 2 B 0, 02275, V arµ B 181 4 10 4, Eµ A µ B 0,

Bardziej szczegółowo

Metody numeryczne i statystyka dla in»ynierów

Metody numeryczne i statystyka dla in»ynierów Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci

Bardziej szczegółowo

Ekstremalnie fajne równania

Ekstremalnie fajne równania Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów

Bardziej szczegółowo

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy. Logika i teoria mnogo±ci, konspekt wykªad 12 Teoria mocy, cz ± II Def. 12.1 Ka»demu zbiorowi X przyporz dkowujemy oznaczany symbolem X obiekt zwany liczb kardynaln (lub moc zbioru X) w taki sposób,»e ta

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Lekcja 9 - LICZBY LOSOWE, ZMIENNE

Lekcja 9 - LICZBY LOSOWE, ZMIENNE Lekcja 9 - LICZBY LOSOWE, ZMIENNE I STAŠE 1 Liczby losowe Czasami spotkamy si z tak sytuacj,»e b dziemy potrzebowa by program za nas wylosowaª jak ± liczb. U»yjemy do tego polecenia: - liczba losowa Sprawd¹my

Bardziej szczegółowo

Relacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X.

Relacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X. Relacje 1 Relacj n-argumentow nazywamy podzbiór ϱ X 1 X 2... X n. Je±li ϱ X Y jest relacj dwuargumentow (binarn ), to zamiast (x, y) ϱ piszemy xϱy. Relacj binarn okre±lon w zbiorze X nazywamy podzbiór

Bardziej szczegółowo

Arkusz maturalny. Šukasz Dawidowski. 25 kwietnia 2016r. Powtórki maturalne

Arkusz maturalny. Šukasz Dawidowski. 25 kwietnia 2016r. Powtórki maturalne Arkusz maturalny Šukasz Dawidowski Powtórki maturalne 25 kwietnia 2016r. Odwrotno±ci liczby rzeczywistej 1. 9 8 2. 0, (1) 3. 8 9 4. 0, (8) 3 4 4 4 1 jest liczba Odwrotno±ci liczby rzeczywistej 3 4 4 4

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych dr Krzysztof yjewski Analiza matematyczna 2; MatematykaS-I 0 lic 21 maja 2018 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(, y b dzie okre±lona przynajmniej na otoczeniu punktu

Bardziej szczegółowo

Funkcje, wielomiany. Informacje pomocnicze

Funkcje, wielomiany. Informacje pomocnicze Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a

Bardziej szczegółowo

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14 WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 2013/14 Spis tre±ci 1 Kodowanie i dekodowanie 4 1.1 Kodowanie a szyfrowanie..................... 4 1.2 Podstawowe poj cia........................

Bardziej szczegółowo

Materiaªy do Repetytorium z matematyki

Materiaªy do Repetytorium z matematyki Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (

Bardziej szczegółowo

Metody numeryczne i statystyka dla in»ynierów

Metody numeryczne i statystyka dla in»ynierów Kierunek: Automatyka i Robotyka, II rok Interpolacja PWSZ Gªogów, 2009 Interpolacja Okre±lenie zale»no±ci pomi dzy interesuj cymi nas wielko±ciami, Umo»liwia uproszczenie skomplikowanych funkcji (np. wykorzystywana

Bardziej szczegółowo

Podstawy Ekonomii Matematycznej. Aktualizacja: 9 czerwca 2011

Podstawy Ekonomii Matematycznej. Aktualizacja: 9 czerwca 2011 Podstawy Ekonomii Matematycznej Aktualizacja: 9 czerwca 2011 Spis tre±ci I Elementy matematyki nansowej. 5 1 Procent, stopa procentowa, kapitalizacja. 6 2 Procent prosty. 8 2.1 Zasada oprocentowania prostego,

Bardziej szczegółowo

Ekonomiczny Uniwersytet Dziecięcy

Ekonomiczny Uniwersytet Dziecięcy Ekonomiczny Uniwersytet Dziecięcy Akcje na giełdzie dr Adam Zaremba Uniwersytet Ekonomiczny w Poznaniu 28 kwietnia 2016 r. EKONOMICZNY UNIWERSYTET DZIECIĘCY WWW.UNIWERSYTET-DZIECIECY.PL PLAN WYKŁADU I.

Bardziej szczegółowo

czyli: Rynek nansowy znajduje si w równowadze popyt na pieni dz równy jest poda»y pieni dza (L = M).

czyli: Rynek nansowy znajduje si w równowadze popyt na pieni dz równy jest poda»y pieni dza (L = M). akroekonomia I, wiczenia 8-9 Jan Hagemejer odel IS-L Wst p Do tej pory analiza polityki gospodarczej abstraowaªa od sfery monetarnej. Analizowali±my wyª cznie polityk skaln. Co wi cej, uznawali±my,»e wszystkie

Bardziej szczegółowo

Elementy geometrii w przestrzeni R 3

Elementy geometrii w przestrzeni R 3 Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi

Bardziej szczegółowo

Metodydowodzenia twierdzeń

Metodydowodzenia twierdzeń 1 Metodydowodzenia twierdzeń Przez zdanie rozumiemy dowolne stwierdzenie, które jest albo prawdziwe, albo faªszywe (nie mo»e by ono jednocze±nie prawdziwe i faªszywe). Tradycyjnie b dziemy u»ywali maªych

Bardziej szczegółowo

Elementy geometrii analitycznej w przestrzeni

Elementy geometrii analitycznej w przestrzeni Wykªad 3 Elementy geometrii analitycznej w przestrzeni W wykªadzie tym wi kszy nacisk zostaª poªo»ony raczej na intuicyjne rozumienie deniowanych poj, ni» ±cisªe ich zdeniowanie. Dlatego niniejszy wykªad

Bardziej szczegółowo

Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a).

Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a). Rozwi zania zada«z egzaminu podstawowego z Analizy matematycznej 2.3A (24/5). Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a). Zadanie P/4. Metod operatorow rozwi

Bardziej szczegółowo

Matematyka. Justyna Winnicka. rok akademicki 2016/2017. Szkoªa Gªówna Handlowa

Matematyka. Justyna Winnicka. rok akademicki 2016/2017. Szkoªa Gªówna Handlowa Matematyka Justyna Winnicka Szkoªa Gªówna Handlowa rok akademicki 2016/2017 kontakt, konsultacje, koordynator mail: justa_kowalska@yahoo.com, jkowal4@sgh.waw.pl, justyna.winnicka@sgh.waw.pl konsultacje:

Bardziej szczegółowo

Czy funkcja zadana wzorem f(x) = ex e x. 1 + e. = lim. e x + e x lim. lim. 2 dla x = 1 f(x) dla x (0, 1) e e 1 dla x = 1

Czy funkcja zadana wzorem f(x) = ex e x. 1 + e. = lim. e x + e x lim. lim. 2 dla x = 1 f(x) dla x (0, 1) e e 1 dla x = 1 II KOLOKWIUM Z AM M1 - GRUPA A - 170101r Ka»de zadanie jest po 5 punktów Ostatnie zadanie jest nieobowi zkowe, ale mo»e dostarczy dodatkowe 5 punktów pod warunkiem rozwi zania pozostaªych zada«zadanie

Bardziej szczegółowo

Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Ekonometria wiczenia 1 Regresja liniowa i MNK (1) Ekonometria 1 / 25 Plan wicze«1 Ekonometria czyli...? 2 Obja±niamy ceny wina 3 Zadania z podr cznika (1) Ekonometria 2 / 25 Plan prezentacji 1 Ekonometria

Bardziej szczegółowo

EDUKARIS - O±rodek Ksztaªcenia

EDUKARIS - O±rodek Ksztaªcenia - O±rodek Ksztaªcenia Zabrania si kopiowania i rozpowszechniania niniejszego regulaminu przez inne podmioty oraz wykorzystywania go w dziaªalno±ci innych podmiotów. Autor regulaminu zastrzega do niego

Bardziej szczegółowo

Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA. W obu podpunktach zakªadamy,»e kolejno± ta«ców jest wa»na.

Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA. W obu podpunktach zakªadamy,»e kolejno± ta«ców jest wa»na. Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA Zadanko 1 (12p.) Na imprezie w Noc Kupaªy s 44 dziewczyny. Nosz one 11 ró»nych imion, a dla ka»dego imienia s dokªadnie 4 dziewczyny o tym imieniu przy czym ka»da

Bardziej szczegółowo

Numeryczne zadanie wªasne

Numeryczne zadanie wªasne Rozdziaª 11 Numeryczne zadanie wªasne W tym rozdziale zajmiemy si symetrycznym zadaniem wªasnym, tzn. zadaniem znajdowania warto±ci i/lub wektorów wªasnych dla macierzy symetrycznej A = A T. W zadaniach

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Metody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, 2012. Dawid Rasaªa Metody numeryczne 1 / 9

Metody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, 2012. Dawid Rasaªa Metody numeryczne 1 / 9 Metody numeryczne Wst p do metod numerycznych Dawid Rasaªa January 9, 2012 Dawid Rasaªa Metody numeryczne 1 / 9 Metody numeryczne Czym s metody numeryczne? Istota metod numerycznych Metody numeryczne s

Bardziej szczegółowo

Kolokwium Zadanie 1. Dla jakich warto±ci parametrów a i b funkcja sklejona

Kolokwium Zadanie 1. Dla jakich warto±ci parametrów a i b funkcja sklejona Kolokwium 3 0.0. Zadanie. Dla jakich warto±ci parametrów a i b funkcja sklejona a : π, f() = cos() : π < π, a + b : π < jest ci gªa? Rozwi zanie: Funkcja jest ci gªa we wszystkich punktach poza, by mo»e,

Bardziej szczegółowo

Rozdziaª 8. Modele Krzywej Dochodowo±ci

Rozdziaª 8. Modele Krzywej Dochodowo±ci Rozdziaª 8. Modele Krzywej Dochodowo±ci MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (rozdz. 8) Krzywa dochodowo±ci 1 / 18 Denicja krzywej dochodowo±ci Krzywa dochodowo±ci (yield curve): Ilustracja graczna

Bardziej szczegółowo

Indeksowane rodziny zbiorów

Indeksowane rodziny zbiorów Logika i teoria mnogo±ci, konspekt wykªad 7 Indeksowane rodziny zbiorów Niech X b dzie przestrzeni zbiorem, którego podzbiorami b d wszystkie rozpatrywane zbiory, R rodzin wszystkich podzbiorów X za± T

Bardziej szczegółowo

Wykªad 6: Model logitowy

Wykªad 6: Model logitowy Wykªad 6: Model logitowy Ekonometria Stosowana SGH Model logitowy 1 / 18 Plan wicze«1 Modele zmiennej jako±ciowej idea 2 Model logitowy Specykacja i interpretacja parametrów Dopasowanie i restrykcje 3

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Akademia Młodego Ekonomisty

Akademia Młodego Ekonomisty Akademia Młodego Ekonomisty Analiza wskaźnikowa przedsiębiorstwa. Jak ocenić pozycję finansową firmy. Hanna Micińska Uniwersytet Ekonomiczny w Katowicach 12 października 2015 r. Analiza wskaźnikowa Każda

Bardziej szczegółowo

Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1

Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Denicja ciaªa Niech F b dzie zbiorem, i niech + (dodawanie) oraz (mno»enie) b d dziaªaniami na zbiorze F. Denicja. Zbiór F wraz z dziaªaniami + i nazywamy ciaªem,

Bardziej szczegółowo

Zadanie 1. Zadanie 2. Zadanie 3

Zadanie 1. Zadanie 2. Zadanie 3 Zadanie R to rata miesi czna, odsetki w k-tej racie to ods k = R( v 8 k ), a spªata kapitaªu wyra»a si wzorem kap k = Rv 8 k, gdzie v = (, 5) /6. Dany jest ukªad nierówno±ci z którego wynika Rv 8 N R(

Bardziej szczegółowo

Uczenie Wielowarstwowych Sieci Neuronów o

Uczenie Wielowarstwowych Sieci Neuronów o Plan uczenie neuronu o ci gªej funkcji aktywacji uczenie jednowarstwowej sieci neuronów o ci gªej funkcji aktywacji uczenie sieci wielowarstwowej - metoda propagacji wstecznej neuronu o ci gªej funkcji

Bardziej szczegółowo

Macierze i Wyznaczniki

Macierze i Wyznaczniki Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,

Bardziej szczegółowo

PRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc

PRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc PRAWA ZACHOWANIA Podstawowe terminy Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc a) si wewn trznych - si dzia aj cych na dane cia o ze strony innych

Bardziej szczegółowo

Ekonometria - wykªad 8

Ekonometria - wykªad 8 Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Ekstremalnie maªe zbiory

Ekstremalnie maªe zbiory Maªe jest pi kne Instytut Matematyki Uniwersytetu Warszawskiego Nadarzyn, 27.08.2011 Zbiory silnie miary zero Przypomnienie Zbiór X [0, 1] jest miary Lebesgue'a zero, gdy dla ka»dego ε > 0 istnieje ci

Bardziej szczegółowo

Maszyny Turinga i problemy nierozstrzygalne. Maszyny Turinga i problemy nierozstrzygalne

Maszyny Turinga i problemy nierozstrzygalne. Maszyny Turinga i problemy nierozstrzygalne Maszyny Turinga Maszyna Turinga jest automatem ta±mowym, skª da si z ta±my (tablicy symboli) potencjalnie niesko«czonej w prawo, zakªadamy,»e w prawie wszystkich (tzn. wszystkich poza sko«czon liczb )

Bardziej szczegółowo

Wybrane poj cia i twierdzenia z wykªadu z teorii liczb

Wybrane poj cia i twierdzenia z wykªadu z teorii liczb Wybrane poj cia i twierdzenia z wykªadu z teorii liczb 1. Podzielno± Przedmiotem bada«teorii liczb s wªasno±ci liczb caªkowitych. Zbiór liczb caªkowitych oznacza b dziemy symbolem Z. Zbiór liczb naturalnych

Bardziej szczegółowo

Rozdział 6. Pakowanie plecaka. 6.1 Postawienie problemu

Rozdział 6. Pakowanie plecaka. 6.1 Postawienie problemu Rozdział 6 Pakowanie plecaka 6.1 Postawienie problemu Jak zauważyliśmy, szyfry oparte na rachunku macierzowym nie są przerażająco trudne do złamania. Zdecydowanie trudniejszy jest kryptosystem oparty na

Bardziej szczegółowo

Rozwi zania zada«z pierwszych zaj.

Rozwi zania zada«z pierwszych zaj. Rozwi zania zada«z pierwszych zaj. Ze wzgl du na bª d w jednym ze wzorów, które podaªem na wiczeniach, poni»ej podaj poprawne wersje rozwi za«zada«przerobionych na wiczeniach i zrobionych jako zadanie

Bardziej szczegółowo

Ukªady równa«liniowych

Ukªady równa«liniowych dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast

Bardziej szczegółowo

Statystyka finansowa

Statystyka finansowa Statystyka finansowa Rynki finansowe Rynek finansowy rynek na którym zawierane są transakcje finansowe polegające na zakupie i sprzedaży instrumentów finansowych Instrument finansowy kontrakt pomiędzy

Bardziej szczegółowo

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14 WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 203/4 Spis tre±ci Kodowanie i dekodowanie 4. Kodowanie a szyfrowanie..................... 4.2 Podstawowe poj cia........................

Bardziej szczegółowo

DANE MAKROEKONOMICZNE (TraderTeam.pl: Rafa Jaworski, Marek Matuszek) Lekcja IV

DANE MAKROEKONOMICZNE (TraderTeam.pl: Rafa Jaworski, Marek Matuszek) Lekcja IV DANE MAKROEKONOMICZNE (TraderTeam.pl: Rafa Jaworski, Marek Matuszek) Lekcja IV Stopa procentowa Wszelkie prawa zastrze one. Kopiowanie i rozpowszechnianie ca ci lub fragmentu niniejszej publikacji w jakiejkolwiek

Bardziej szczegółowo

Zadania powtórzeniowe I. Ile wynosi eksport netto w gospodarce, w której oszczędności równają się inwestycjom, a deficyt budżetowy wynosi 300?

Zadania powtórzeniowe I. Ile wynosi eksport netto w gospodarce, w której oszczędności równają się inwestycjom, a deficyt budżetowy wynosi 300? Zadania powtórzeniowe I Adam Narkiewicz Makroekonomia I Zadanie 1 (5 punktów) Ile wynosi eksport netto w gospodarce, w której oszczędności równają się inwestycjom, a deficyt budżetowy wynosi 300? Przypominamy

Bardziej szczegółowo

Mierzalne liczby kardynalne

Mierzalne liczby kardynalne czyli o miarach mierz cych wszystko Instytut Matematyki Uniwersytetu Warszawskiego Grzegorzewice, 26 stycznia 2007 Ogólny problem miary Pytanie Czy na pewnym zbiorze X istnieje σ-addytywna miara probabilistyczna,

Bardziej szczegółowo

x y x y x y x + y x y

x y x y x y x + y x y Algebra logiki 1 W zbiorze {0, 1} okre±lamy dziaªania dwuargumentowe,, +, oraz dziaªanie jednoargumentowe ( ). Dziaªanie x + y nazywamy dodawaniem modulo 2, a dziaªanie x y nazywamy kresk Sheera. x x 0

Bardziej szczegółowo

Twierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski

Twierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Twierdzenie Wainera Marek Czarnecki Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Wydziaª Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 3 lipca 2009 Motywacje Dla dowolnej

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Biznesplan - Projekt "Gdyński Kupiec" SEKCJA A - DANE WNIOSKODAWCY- ŻYCIORYS ZAWODOWY WNIOSKODAWCY SEKCJA B - OPIS PLANOWANEGO PRZEDSIĘWZIĘCIA

Biznesplan - Projekt Gdyński Kupiec SEKCJA A - DANE WNIOSKODAWCY- ŻYCIORYS ZAWODOWY WNIOSKODAWCY SEKCJA B - OPIS PLANOWANEGO PRZEDSIĘWZIĘCIA Załącznik nr 5 do regulaminu Biznesplan - Projekt "Gdyński Kupiec" SEKCJA A - DANE WNIOSKODAWCY- ŻYCIORYS ZAWODOWY WNIOSKODAWCY SEKCJA B - OPIS PLANOWANEGO PRZEDSIĘWZIĘCIA SEKCJA C - PLAN MARKETINGOWY/ANALIZA

Bardziej szczegółowo

2.Prawo zachowania masy

2.Prawo zachowania masy 2.Prawo zachowania masy Zdefiniujmy najpierw pewne podstawowe pojęcia: Układ - obszar przestrzeni o określonych granicach Ośrodek ciągły - obszar przestrzeni którego rozmiary charakterystyczne są wystarczająco

Bardziej szczegółowo

Interpolacja funkcjami sklejanymi

Interpolacja funkcjami sklejanymi Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak

Bardziej szczegółowo

Maªgorzata Murat. Modele matematyczne.

Maªgorzata Murat. Modele matematyczne. WYKŠAD I Modele matematyczne Maªgorzata Murat Wiadomo±ci organizacyjne LITERATURA Lars Gårding "Spotkanie z matematyk " PWN 1993 http://moodle.cs.pollub.pl/ m.murat@pollub.pl Model matematyczny poj cia

Bardziej szczegółowo

Listy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki.

Listy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki. Wydziaª Matematyki, Fizyki i Informatyki 10 marca 2008 Spis tre±ci Listy 1 Listy 2 3 Co to jest lista? Listy List w Mathematice jest wyra»enie oddzielone przecinkami i zamkni te w { klamrach }. Elementy

Bardziej szczegółowo

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,

Bardziej szczegółowo

1 Bª dy i arytmetyka zmiennopozycyjna

1 Bª dy i arytmetyka zmiennopozycyjna 1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy

Bardziej szczegółowo

ZASADY REKLAMOWANIA USŁUG BANKOWYCH

ZASADY REKLAMOWANIA USŁUG BANKOWYCH Załącznik do uchwały KNF z dnia 2 października 2008 r. ZASADY REKLAMOWANIA USŁUG BANKOWYCH Reklama i informacja reklamowa jest istotnym instrumentem komunikowania się z obecnymi jak i potencjalnymi klientami

Bardziej szczegółowo

POLITECHNIKA WARSZAWSKA Wydział Chemiczny LABORATORIUM PROCESÓW TECHNOLOGICZNYCH PROJEKTOWANIE PROCESÓW TECHNOLOGICZNYCH

POLITECHNIKA WARSZAWSKA Wydział Chemiczny LABORATORIUM PROCESÓW TECHNOLOGICZNYCH PROJEKTOWANIE PROCESÓW TECHNOLOGICZNYCH POLITECHNIKA WARSZAWSKA Wydział Chemiczny LABORATORIUM PROCESÓW TECHNOLOGICZNYCH PROJEKTOWANIE PROCESÓW TECHNOLOGICZNYCH Ludwik Synoradzki Jerzy Wisialski EKONOMIKA Zasada opłacalności Na początku każdego

Bardziej szczegółowo

Prosty okres zwrotu (PP)

Prosty okres zwrotu (PP) Prosty okres zwrotu (PP) Zadanie 1 Określ okres zwrotu dla projektu, którego finansową charakterystykę ujęto w poniższej tabeli. T NI -1 850 100 2004 2005 2006 2007 2008 2009 2010 KE 120 500 126 525 132

Bardziej szczegółowo

Informacje pomocnicze

Informacje pomocnicze Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia

Bardziej szczegółowo

Temat: Co to jest optymalizacja? Maksymalizacja objętości naczynia prostopadłościennego za pomocą arkusza kalkulacyjngo.

Temat: Co to jest optymalizacja? Maksymalizacja objętości naczynia prostopadłościennego za pomocą arkusza kalkulacyjngo. Konspekt lekcji Przedmiot: Informatyka Typ szkoły: Gimnazjum Klasa: II Nr programu nauczania: DKW-4014-87/99 Czas trwania zajęć: 90min Temat: Co to jest optymalizacja? Maksymalizacja objętości naczynia

Bardziej szczegółowo

'()(*+,-./01(23/*4*567/8/23/*98:)2(!."/+)012+3$%-4#"4"$5012#-4#"4-6017%*,4.!"#$!"#%&"!!!"#$%&"#'()%*+,-+

'()(*+,-./01(23/*4*567/8/23/*98:)2(!./+)012+3$%-4#4$5012#-4#4-6017%*,4.!#$!#%&!!!#$%&#'()%*+,-+ '()(*+,-./01(23/*4*567/8/23/*98:)2(!."/+)012+3$%-4#"4"$5012#-4#"4-6017%*,4.!"#$!"#%&"!!!"#$%&"#'()%*+,-+ Ucze interpretuje i tworzy teksty o charakterze matematycznym, u ywa j zyka matematycznego do opisu

Bardziej szczegółowo

Matematyka 1. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski

Matematyka 1. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski Matematyka 1 Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Pochodna funkcji Niech a, b R, a < b. Niech f : (a, b) R b dzie funkcj oraz x, x 0 (a, b) b d ró»nymi punktami przedziaªu (a, b). Wyra»enie

Bardziej szczegółowo

PRÓG RENTOWNOŚCI i PRÓG

PRÓG RENTOWNOŚCI i PRÓG PRÓG RENTOWNOŚCI i PRÓG WYPŁACALNOŚCI (MB) Próg rentowności (BP) i margines bezpieczeństwa Przychody Przychody Koszty Koszty całkowite Koszty stałe Koszty zmienne BP Q MB Produkcja gdzie: BP próg rentowności

Bardziej szczegółowo

Rzut oka na zagadnienia zwi zane z projektowaniem list rozkazów

Rzut oka na zagadnienia zwi zane z projektowaniem list rozkazów Rzut oka na zagadnienia zwi zane z projektowaniem list rozkazów 1 Wst p Przypomnijmy,»e komputer skªada si z procesora, pami ci, systemu wej±cia-wyj±cia oraz po- ª cze«mi dzy nimi. W procesorze mo»emy

Bardziej szczegółowo

Twoja droga do zysku! Typy inwestycyjne Union Investment TFI

Twoja droga do zysku! Typy inwestycyjne Union Investment TFI Twoja droga do zysku! Typy inwestycyjne Union Investment TFI Co ma najwyższy potencjał zysku w średnim terminie? Typy inwestycyjne na 12 miesięcy Subfundusz UniStrategie Dynamiczny UniKorona Pieniężny

Bardziej szczegółowo

Funkcje. Šukasz Dawidowski. 25 kwietnia 2016r. Powtórki maturalne

Funkcje. Šukasz Dawidowski. 25 kwietnia 2016r. Powtórki maturalne Funkcje Šukasz Dawidowski Powtórki maturalne 25 kwietnia 2016r. Uzasadnij,»e równanie x 3 + 2x 2 3x = 6 ma dwa niewymierne pierwiastki. Funkcja f dana jest wzorem f (x) = 2x + 1. Rozwi» równanie f (x +

Bardziej szczegółowo