EKONOMETRIA ECONOMETRICS 4(46) 2014
|
|
- Ryszard Pluta
- 8 lat temu
- Przeglądów:
Transkrypt
1 EKONOMERIA ECONOMERICS 4(46) 2014 Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu Wrocław 2014
2 Redaktor Wydawnctwa: Aleksandra Ślwka Redaktor technczny: Barbara Łopusewcz Korektor: Barbara Cbs Łamane: Magorzata Czupryńska Projekt okładk: Beata Dębska Publkacja jest dostępna w Internece na stronach: w Dolnośląskej Bblotece Cyfrowej he Central European Journal of Socal Scences and Humantes he Central and Eastern European Onlne Lbrary a także w adnotowanej bblograf zagadneń ekonomcznych BazEkon bazy_ae/bazekon/nowy/ndex.php Informacje o naborze artykułów zasadach recenzowana znajdują sę na strone nternetowej Wydawnctwa oraz na strone czasopsma Kopowane powelane w jakejkolwek forme wymaga psemnej zgody Wydawcy Copyrght by Unwersytet Ekonomczny we Wrocławu Wrocław 2014 ISSN Wersja perwotna: publkacja drukowana Druk oprawa: EXPOL, P. Rybńsk, J. Dąbek, sp.j. ul. Brzeska 4, Włocławek
3 Sps treśc Wstęp... 7 Aneta Ptak-Chmelewska: Modele predykcj upadłośc MŚP w Polsce analza z wykorzystanem modelu przeżyca Coxa modelu regresj logstycznej... 9 Aleksandra Szpulak: Modelowane operacyjnego kaptału obrotowego z zastosowanem arkusza kalkulacyjnego. Budowa weryfkacja modelu Alcja Wolny-Domnak: Jednomodelowa taryfkacja a pror w krótkotermnowych ubezpeczenach majątkowych Anna Zęba: Wykorzystane modelu PCM w prognozowanu potencjału zawodowego kandydatów do pracy Łukasz Mach: Czynnk kształtujące wartość neruchomośc meszkanowych w kontekśce uwarunkowań makro-, mkro- oraz ultraotoczena Monka Hadaś-Dyduch: Wpływ rozszerzena próbk przy generowanu współczynnków falkowych szeregu na trafność prognozy Mara Szmuksta-Zawadzka, Jan Zawadzk: Modele herarchczne w prognozowanu zmennych o wysokej częstotlwośc obserwowana w warunkach braku pełnej nformacj Mara Kaźmerska-Zatoń, Wojcech Zatoń: Jakość prognostyczna wskaźnków konunktury przemysłowej dla Polsk w przekroju województw Iwona Dttmann: Heurystyk w prognozowanu w przedsęborstwe Małgorzata Krajewska, Knga Szopńska, Iwona Dttmann: Wpływ uwarunkowań planstycznych na ceny gruntów meszkanowych w powece bydgoskm Edyta Ropuszyńska-Surma: Metody foresghtowe w zarządzanu klasyfkacja metod wybór metodyk Edyta Ropuszyńska-Surma: Łączene metod loścowych jakoścowych na przykładze regonalnego foresghtu energetycznego Barbara Dańska-Borsak: Płaca mnmalna a lczba młodych pracujących. Zwązk przyczynowe prognozy warantowe Anna Chojnacka-Komorowska, Marcn Hernes: Defncja struktury reprezentacj wedzy w podsysteme controllngu zntegrowanego systemu nformatycznego zarządzana Arkadusz Kjek: Welowymarowa analza atrakcyjnośc nwestycyjnej spółek sektora spożywczego notowanych na Gełdze Paperów Wartoścowych w Warszawe omasz Bartłomowcz: Implementacja metody Maxmum Dfference Scalng w pakece MaxDff programu R
4 6 Sps treśc omasz Bartłomowcz: Prognozowane szeregów czasowych ze składową perodyczną z wykorzystanem paketu Spredcton programu R Marcn Pełka: Podejśce welomodelowe w regresj danych symbolcznych nterwałowych Summares Aneta Ptak-Chmelewska: Predcton models of SME bankruptcy n Poland analyss usng Cox survval model and logstc regresson model Aleksandra Szpulak: Modelng of an operatng workng captal spreadsheet approach. Buldng and model verfcaton Alcja Wolny-Domnak: Sngle-model a pror ratemakng n short term non- -lfe nsurance Anna Zęba: Usng PCM model n the predcton of career potental of canddates for a job Łukasz Mach: Factors determnng the value of real estate n macro, mcro and ultra envronment Monka Hadaś-Dyduch: Impact of sample extenson n the generaton of wavelet coeffcents seres on the accuracy of forecasts Mara Szmuksta-Zawadzka, Jan Zawadzk: Herarchcal models n forecastng of the hgh-frequency varables n the condtons of lack of full nformaton Mara Kaźmerska-Zatoń, Wojcech Zatoń: Forecast qualty of ndcators of ndustral tendency survey across vovodeshps of Poland Iwona Dttmann: Heurstcs n forecastng n enterprses Małgorzata Krajewska, Knga Szopńska, Iwona Dttmann: he mpact of plannng condtons on resdental land prces n the dstrct of Bydgoszcz Edyta Ropuszyńska-Surma: Foresght methods n management classfcaton and choce of methodology Edyta Ropuszyńska-Surma: Combnng quanttatve and qualtatve methods on the example of regonal foresght related to energy ndustry Barbara Dańska-Borsak: he mnmum wage versus labor demand of young people. Causal relatonshps and varant forecasts Anna Chojnacka-Komorowska, Marcn Hernes: Defnton of a knowledge structure n controllng sub-system of ntegrated management nformaton system Arkadusz Kjek: Multvarate nvestment attractveness analyss of food sector companes of Warsaw Stock Exchange omasz Bartłomowcz: Implementaton of maxmum dfference scalng n Max- Dff R package omasz Bartłomowcz: Forecastng tme seres wth perodc component usng Spredcton R package Marcn Pełka: Ensemble learnng n regresson model of symbolc nterval data. 220
5 EKONOMERIA ECONOMERICS 4(46) 2014 ISSN Alcja Wolny-Domnk Unwersytet Ekonomczny w Katowcach e-mal: alcja.wolny-domnak@ue.katowce.pl JEDNOMODELOWA ARYFIKACJA A PRIORI W KRÓKOERMINOWYCH UBEZPIECZENIACH MAJĄKOWYCH Streszczene: W obecnej praktyce bznesowej zakłady ubezpeczeń majątkowych dla portfel, w których występuje duża lczba pols (np. komunkacyjne, ubezpeczene neruchomośc), wykorzystują w taryfkacj a pror dwa modele regresyjne: model częstośc szkód (clams freqency) oraz model wartośc szkody (clams severty). Najczęścej stosowane są modele GLM oraz regresja negatywno-dwumanowa w przypadku nadmernej dyspersj lczby szkód. Alternatywą dla dwumodelowej taryfkacj jest modelowane wykorzystujące jedyne jeden model regresyjny, w którym zmenną objaśnaną jest łączna wartość szkód dla pojedynczej polsy przy założonym złożonym rozkładze Possona (compound Posson). aka taryfkacja wymaga zatem analzowana jedyne jednej grupy czynnków ryzyka, pomja np. modelowane lczby szkód. Ponadto pozwala na uwzględnane nadmernej lczby wartośc zerowych, co jest bardzej zawłe w przypadku taryfkacj dwumodelowej. Celem nnejszego artykułu jest zaproponowane modelu regresyjnego w jednomodelowej taryfkacj uwzględnającego specyfkę danych w portfelu ubezpeczenowym, tj. założene nezależnośc pols w portfelu ne jest spełnone. Słowa kluczowe: jednomodelowa taryfkacja, ubezpeczena majątkowe, składka czysta, rozkład weede, złożony rozkład Possona. DOI: /ekt Wstęp W obecnej praktyce bznesowej zakłady ubezpeczeń majątkowych dla portfel, w których występuje duża lczba pols (np. komunkacyjne, ubezpeczene neruchomośc), wykorzystują w taryfkacj a pror dwa modele regresyjne: model częstośc szkód (clam frequency model) oraz model wartośc pojedynczej szkody (clam severty model), wykorzystując nformacje o lczbe szkód oraz wartośc szkód dla poszczególnych pols [Dmakos, D Rattalma 2002; Wolny-Domnak 2011; Antono, Valdez 2012]. Oba modele pozwalają na estymację wartośc składk ryzyka (pure Praca częścowo fnansowana przez grant Narodowego Centrum Nauk (nr NN ).
6 Jednomodelowa taryfkacja a pror w krótkotermnowych ubezpeczenach majątkowych 35 rsk premum) dla pojedynczego ryzyka rozumanej jako wartość oczekwana łącznej wartośc szkód dla pojedynczego ryzyka. W modelach tych zmennym objaśnającym są welokategoralne czynnk ryzyka ustalane osobno dla lczby szkód oraz wartośc pojedynczej szkody. Najczęścej stosowane są modele GLM, tj. GLM- -Posson oraz GLM-gamma, ew. regresja negatywno-dwumanowa w przypadku nadmernej dyspersj dla lczby szkód. Do estymacj parametrów model stosuje sę metodę najwększej warygodnośc. Jako ż maksymalzacja funkcj warygodnośc ne może być przeprowadzona analtyczne (brak rozwązana analtycznego dla równań skorngowych), nezbędne jest stosowane algorytmów numerycznych. W pracy korzystamy z szybkego algorytmu teracyjnego IWSL [McCullagh, Wedderburn 1972]. Alternatywą dla dwumodelowej taryfkacj jest modelowane wykorzystujące jedyne jeden model regresyjny, w którym zmenną objaśnaną jest łączna wartość szkód dla pojedynczej polsy przy założonym złożonym rozkładze Possona (compound Posson) [Jørgensen, Paes De Souza 1994]. Jednomodelowa taryfkacja a pror jest alternatywą dla popularnej taryfkacj dwumodelowej główne w sytuacj, gdy zakład ubezpeczeń dysponuje jedyne nformacjam o łącznej wartośc szkód dla ndywdualnych pols, a ne zna lczby szkód N. Wymaga ona analzowana jedyne jednej grupy czynnków ryzyka, ponadto uzyskujemy jeden błąd modelu, a ne dwa jak w przypadku taryfkacj dwumodelowej. Jednak problemem w podejścu jednomodelowym jest fakt, ż funkcj gęstośc złożonego rozkładu Possona ne można zapsać w postac analtycznej. Wadomo jednak powszechne, ż jest on szczególnym przypadkem rozkładu weede dla p (1, 2). Mmo ż rozkłady weede równeż ne mają swojej analtycznej postac, jednak należą do dyspersyjnej rodzny rozkładów, co pozwala na stosowane algorytmu IWSL. Wadą tego podejśca jest jednak koneczność estymacj dodatkowego parametru p. Algorytm zaproponowany w pracy [Dunn, Smyth 2008] dla dużych zborów danych, a takm są portfele masowe, dzała bardzo wolno, co powoduje neefektywność jego stosowana w praktyce. Celem nnejszego artykułu jest zaproponowane modelu regresyjnego w jednomodelowej taryfkacj, który uwzględna specyfkę danych w portfelu ubezpeczenowym w aspekce nezależnośc ryzyk. W tym przypadku nezależność ta rozumana jest jako nezależność zmennych losowych reprezentujących łączną wartość szkód dla pojedynczego ryzyka. W perwszej częśc artykułu przedstawono podstawy teoretyczne zwązane z modelowanem oraz estymacją w jednomodelowej taryfkacj. Druga część zawera proponowany model klasy HGLM będący rozszerzenem modelu GLM o efekty losowe. Artykuł kończy przykład empryczny, który ma na celu zobrazowane proponowanych model w procese estymacj parametrów tych model. W oblczenach wykorzystano program R.
7 36 Alcja Wolny-Domnak 2. Jednomodelowa taryfkacja a pror Rozważmy portfel n pols w portfelach ubezpeczeń majątkowych o dużej lczbe pols. Każdej polse 1 odpowada pewna zmenna losowa o określonym rozkładze, dalej oznaczana przez S, 1,..., n. Oznaczmy przez N lczbę szkód dla -tej polsy w portfelu, natomast przez Y k, k 1,..., N odpowadającą jej wartość pojedynczej szkody 2. Wtedy zmenna S ma postać: S Y... Y 1 określa łączną wartość szkód wygenerowaną przez -tą polsę. ak zdefnowana zmenna, przy założenach: 1) N Pos ( ), ~ 2) Y 1,..., Y N mają take same rozkłady pochodzące z dyspersyjnej rodzny rozkładów wykładnczych z parametram (,, p) spełnające warunek Var ( ) (podrodzna weede rozkładów), Y k p 3) Y 1,..., Y N są nezależne oraz nezależne od N, rozkłada sę zgodne ze złożonym rozkładem Possona (ozn. CPos). W tym przypadku dwa perwsze momenty rozkładu CPos mają następującą postać: N E S ] E[ E[ S N ]] E[ Y ] E[ N ], [ 2 Var ( S ) E [ Y ] Var ( N ) E[ N ] Var ( Y ). Składka ryzyka (pure rsk premum) dla pojedynczego ryzyka defnowana jest jako: (1) E S ], 1,..., n. (2) [ W celu uzyskana konkretnej wartośc składk ryzyka w masowych portfelach pols zakłady ubezpeczeń powszechne stosują odpowedne modele statystyczne, w których wartość składk ryzyka jest estymowaną wartoścą ˆ na podstawe nformacj zawartych w portfelu (próbe statystycznej). Jako ż charakterystyczną cechą portfela pols jest jego nejednorodność, powodująca generowane różnych wartośc szkód dla polsy, stosowane są najczęścej modele regresyjne klasy GLM. Portfel różncują czynnk ryzyka charakteryzujące ogólne osobę ubezpeczającą sę, przedmot ubezpeczena oraz zmenną przestrzenną (w sense geografcznym). 1 W kontekśce ubezpeczenowym polsa wraz z odpowadającym jej zmennym losowym nazywana jest ryzykem, natomast portfel pols portfelem ryzyk.
8 Jednomodelowa taryfkacja a pror w krótkotermnowych ubezpeczenach majątkowych 37 Przyjmjmy w rozważanym portfelu założene nezależnośc zmennych S 1,...,S n. Wtedy model ma postać: gdze ( 0, 1,..., k ) S ~ CPos (,, p), (3) E exp( β x ) β jest wektorem efektów stałych, x jest -tym werszem macerzy modelu X, natomast E oznacza ekspozycję na ryzyko jest to najczęścej czas trwana polsy. Wektor parametrów modelu ma zatem postać ( 0, 1,..., k, p, ). Korzystając z tego, ż β jest wektorem stałych, wartość składk ryzyka dla -tej polsy wynos: ˆ E exp(ˆ β x ). (4) W estymacj parametrów modelu (3) zastosowane znajduje metoda najwększej warygodnośc. W pracy [Jørgensen, Paes De Souza 1994] autorzy wykazal, ż złożony rozkład Possona z przyjętym rozkładem gamma elementów sumy jest specyfcznym przypadkem rozkładu weede, w którym 1 p 2. Dzęk temu, mmo że ten przypadek złożonego rozkładu Possona ne ma swojej analtycznej postac funkcj gęstośc, znana jest jego postać funkcj warancj V ( ). Pozwala to zatem na numeryczne wyznaczene estymatorów parametrów modelu z wykorzystanem klasycznego algorytmu IWSL bez potrzeby znajomośc postac funkcj warygodnośc. 3. Model z efektam stałym losowym klasy HGLM Zauważmy, ż założene nezależnośc zmennych S,...,S 1 n ne zawsze jest spełnone w portfelu ryzyka, a spełnona jest jedyne nezależność warunkowa. Analzując ubezpeczene domu, należy pamętać, że w momence, kedy w jednym domu wybuchne pożar, to pożar może wybuchnąć równeż w domu stojącym obok, natomast ne wybuchne w domu stojącym w dużej odległośc [Otto 2013]. Fakt ten można uwzględnć, przechodząc od modelu GLM do modelu GLM z efektam losowym ( u 1,..., u K ), uzyskując model meszany, gdze u, 1,..., K są nezależnym realzacjam zmennej losowej U. Oznacza to podzał portfela na klastry spełnające warunek: polsy należące do tego samego klastra są zależne, natomast dwe polsy z dwóch różnych klastrów są nezależne. Zatem spełnony jest warunek: cov( Sj, Sk U) 0, j, k 1,..., n, (5) gdze S j, S k oznaczają łączną wartość szkód dla j-tej oraz k-tej polsy należących do -tego klastra, natomast n oznacza lczebność -tego klastra. W przypadku gdy
9 38 Alcja Wolny-Domnak założymy, ż nezależne efekty losowe u przyjmują rozkład z dyspersyjnej rodzny wykładnczej (ozn. EDM Exponental Dsperson Model [Jorgensen 1987]) z parametram,, uzyskujemy model klasy HGLM [Lee, Nelder 1996]. Postać mo- u u delu jest następująca: gdze ( 1 ( 0, 1,..., r,, u, u ) v u) (ln( u ),...,ln( )) Sj U ~ CPos ( j,, p) u ~ EDM ( u, u ), (6) j ( u) Ej exp( β xj v( u) zj ) u K przypadku być przyjmowana dwojako: 3. Wektor parametrów modelu wynos wtedy. Wartość składk ryzyka dla -tej polsy może w tym ˆ ( ) [ ] exp( ˆ u E S U E βx v( u) z ) j j j j j ˆ ˆ E[ S ] E[ E[ S U]] E exp( βx) E[ v( uˆ) z ] j j j j j j ˆ E exp( βx) ˆ. j j u (7) Estymacja parametrów modelu (6) ne jest już taka oczywsta jak w przypadku modelu (3). Wynka to z faktu, ż znane są postac rozkładów dla rozkładu warunkowego zmennej S j U (weede z parametrem 1 p 2) oraz efektów losowych u 1,...,u K, natomast ne jest znana postać rozkładu brzegowego zmennej S j. W takej sytuacj można wykorzystać funkcję rozszerzonej warygodnośc będącą de facto rozszerzenem funkcj quas-warygodnośc [Bjørnstad 1996]. W pracy korzystamy z pewnego przypadku funkcj rozszerzonej warygodnośc zwanej funkcją herarchcznej warygodnośc oznaczanej przez H(.) 4 : H K n ( 0, 1,..., r,, u, u ; sj ) f, ( sj u) g u u, ( ) u 1 j1. (8) Do wyznaczena wartośc maksymalnych funkcj log-h(.) zastosowane znajduje algorytm teracyjny H-IWSL (herarchczny IWSL) [Lee, Nelder 1996]. Algorytm ten zawera swoją mplementację w programe R w pakece {hglm} [Ronnegard n. 2010]. 3 Ops przekształcena v(.) por. [Lee n s. 102], Example Warunkem tego, aby funkcja rozszerzonej warygodnośc była funkcją herarchcznej warygodnośc, zob. [Lee n. 2006, s ].
10 Jednomodelowa taryfkacja a pror w krótkotermnowych ubezpeczenach majątkowych Przykład oblczenowy W celu zobrazowana dzałana modelu HGLM w jednomodelowej taryfkacj analzujemy portfel 664 pols. Został on zaczerpnęty z pracy [Ohlsson Johansson 2010] zawarty w pakece programu R o nazwe {nsurancedata} [Wolny-Domnak, rzęsok 2014]. Czynnk ryzyka zarejestrowane w portfelu przedstawa tab. 1. abela 1. Ops czynnków ryzyka w portfelu Nazwa czynnka ryzyka Ops zmennej Kategore zmennej Wek.k Klasa.MC Wek kerowcy Współczynnk: moc slnka dzelona przez wagę pojazdu + 75(kg) Kategore A-G (najstarszy) Kategore A-G Wek.poj Wek pojazdu Kategore A-C Regon Regon użytkowana pojazdu Kategore A-G Źródło: oblczena własne. Przyjmujemy, ż portfel pogrupowany jest na klastry ze względu na czynnk Regon, który najczęścej generuje zależnośc w portfelu (o tzw. area effect por. [Dmakos, D Rattalma 2002; Żądło 2014]). Zatem w modelu mamy u 1,...,u7 efektów losowych. Przyjmując klasyczne rozkład normalny dla zmennej geografcznej (wtedy ), należy zauważyć, że postać modelu jest następująca: 2 u u Sj U ~ CPos( j,, p) 2 u ~ N(0, u), j ( u) Ej exp[ 0 β1wek. kj β2klasa. MCj β3wek. pojj v( REgonj )] gdze 1,..., 7, j 1,...,n, n 1... n7 664 (9). Ze względu na to, że każdy czynnk w modelu jest zmenną welokategoralną, każdy wektor parametrów posada tyle współrzędnych, le jest kategor danego czynnka, np. β,,...,. abela 2 przedstawa uzyskane szacunk parametrów 1 ( 1A 1B 1 G ) modelu (9), które można dalej wykorzystać do wyznaczena wartośc składk dla pojedynczego ryzyka. Dodatkowo tab. 2 zawera oszacowana parametrów w modelu GLM, bez efektów losowych u. β
11 40 Alcja Wolny-Domnak abela 2. Szacunkowe wartośc parametrów model GLM oraz HGLM GLM exp( ˆ) s.e. exp( ˆ) HGLM Wyraz wolny , ,3562 Wek.kerB Wek.kerC Wek.kerD Wek.kerE Wek.kerF Wek.kerG Klasa.MCB Klasa.MCC Klasa.MCD Klasa.MCE Klasa.MCF Klasa.MCG Wek.pojB Wek.pojC Źródło: oblczena własne. s.e. 1B 0,9633 0,3853 0,9685 0,2801 1c 0,9431 0,3854 0,9457 0,2813 1D 0,9303 0,4131 0,8931 0,3004 1E 0,4006 0,3824 0,4040 0,2769 1F 0,5016 0,4084 0,5549 0,2962 1G 0,4003 0,6071 0,3903 0,4394 2B 0,4521 0,4166 0,4100 0,3012 2c 0,5809 0,3535 0,5111 0,2560 2D 0,9561 0,3822 0,7949 0,2765 2E 0,5378 0,3571 0,4766 0,2585 2F 0,8178 0,3518 0,7408 0,2551 2G 1,5738 0,9754 1,7220 0,7071 3B 0,5864 0,2601 0,5626 0,1880 3C 0,2436 0,2206 0,2395 0,1596 Rozkład łącznej wartośc szkód ma dodatkowe parametry, p, których szacunk w naszym przypadku wynoszą ˆ 2, 47 oraz p ˆ 1, 99. Z kole parametr rozkładu efektów losowych ˆ 2 u 0, Zauważmy, ż generalne model HGLM generuje mnejsze błędy dla parametrów w stosunku do modelu GLM. Najwększy błąd występuje dla parametru, co jest spowodowane tym, ż w portfelu występuje tylko 2G jedna polsa o takej kategor zmennej Klasa.MCG. 5. Zakończene Wprowadzene do modelu GLM efektów losowych uwzględnających zależnośc w portfelu ne jest nowoścą w omawanej tematyce. W pracy [Nelder, Verrall 1997] autorzy przedstawal poszczególne modele warygodnośc jako szczególne przypadk modelu HGLM, gdze efektam losowym są czynnk neobserwowalne charakte-
12 Jednomodelowa taryfkacja a pror w krótkotermnowych ubezpeczenach majątkowych 41 rystyczne dla ndywdualnych ryzyk (np. cechy charakteru osoby ubezpeczającej sę). Z kole w pracy [Dmakos, D Rattalma 2002] autorzy proponowal model z losowym efektam przestrzennym, którego parametry szacowal w ujęcu bayesowskm. W proponowanym w pracy modelu HGLM zależnośc występujące w portfelu ryzyk dotyczą pewnych zjawsk, które charakteryzują dana grupę ryzyk (klaster). o znaczy, że polsy w klastrze dzelą jeden wspólny efekt losowy, w odróżnenu np. od efektów ndywdualnych. Jest to zatem podejśce zblżone do tego zaproponowanego w pracy [Dmakos, D Rattalma 2002]. Jednak w odróżnenu od podejśca bayesowskego stosujemy podejśce klasyczne, bazujące ma metodze najwększej warygodnośc. Wydaje sę ono bardzej ntucyjne dla praktyków na co dzeń stosujących modele GLM. Lteratura Antono K., Valdez E.A., 2012, Statstcal concepts of a pror and a posteror rsk classfcaton n nsurance, AStA Advances n Statstcal Analyss, 96(2), Bjørnstad J.F., 1996, On the generalzaton of the lkelhood functon and the lkelhood prncple, Journal of the Amercan Statstcal Assocaton, 91(434), De Jong, P., Heller G.Z., 2008, Generalzed lnear models for nsurance data (Vol. 136), Cambrdge Unversty Press, Cambrdge. Dmakos X.K., D Rattalma A.F., 2002, Bayesan premum ratng wth latent structure, Scandnavan Actuaral Journal, 2002(3), Dunn P.K., Smyth G.K., 2008, Evaluaton of weede exponental dsperson model denstes by Fourer nverson, Statstcs and Computng, 18(1), Jorgensen B., 1987, Exponental dsperson models, Journal of the Royal Statstcal Socety. Seres B (Methodologcal), Jørgensen B., Paes De Souza M.C., 1994, Fttng weede's compound Posson model to nsurance clams data, Scandnavan Actuaral Journal, 1994(1), Lee Y., Nelder J.A., 1996, Herarchcal generalzed lnear models, Journal of the Royal Statstcal Socety, Seres B (Methodologcal), Lee Y., Nelder J.A., Pawtan Y., 2006, Generalzed lnear models wth random effects: unfed analyss va H-lkelhood, CRC Press. McCullagh P., Wedderburn R.W.M., 1972, Generalzed lnear model, Journal of the Royal Statstcal Socety. Seres A (General), Vol. 135/3, Nelder J.A., Verrall R.J., 1997, Credblty theory and generalzed lnear models, Astn Bulletn 27.01: Ohlsson E., Johansson B., 2010, Non-lfe Insurance Prcng wth Generalzed Lnear Models, Sprnger. Otto W., 2013, Ubezpeczena majątkowe. Część I. eora ryzyka, Wydawnctwo WN. Ronnegard L., Xa Shen, Moudud A., 2010, hglm: a package for fttng herarchcal generalzed lnear models, he R Journal, 2(2), Wolny-Domnak A., rzęsok M., 2014, nsurancedata: A Collecton of Insurance Datasets Useful n Rsk Classfcaton n Non lfe Insurance, R package verson project.org/package=nsurancedata. Wolny-Domnak A., 2011, Szacowane stóp taryf w ubezpeczenach majątkowych z wykorzystanem modelu HGLM, Zeszyty Naukowe/Unwersytet Ekonomczny w Poznanu, (182), Ża dło., 2014, On longtudnal movng average model for predcton of subpopulaton total, Statstcal Papers, 1-23.
13 42 Alcja Wolny-Domnak SINGLE-MODEL A PRIORI RAEMAKING IN SHOR ERM NON-LIFE INSURANCE Summary: he goal of ths paper s to propose the regresson model usefull n a pror ratemakng n short term non-lfe nsurance. In the model the aggregat clam amount for ndvdual rsk followng s estmated. It s asumed that ths random varable followng the compound Posson dstrbuton beng a specal case of weede. We notce that the ndependent assumton n the portfolo of rsks s volated. hat s why we adopt the mxed model wth fxed and random effects n place of the model wth fxed effects only. In the frst part of the paper the theoretcal model s presented whle n the second part practcal applcaton s analsed. All calculatons n the case study are made n R software. Keywords: sngle-model ratemakng, non-lfe nsurance, pure rsk premum, weede, compound Posson.
JEDNOMODELOWA TARYFIKACJA A PRIORI W KRÓTKOTERMINOWYCH UBEZPIECZENIACH MAJĄTKOWYCH
EKONOMERIA ECONOMERICS 4(46 204 ISSN 507-3866 Alcja Wolny-Domnk Unwersytet Ekonomczny w Katowcach e-mal: alcja.wolny-domnak@e.katowce.pl JEDNOMODELOWA ARYFIKACJA A PRIORI W KRÓKOERMINOWYCH UBEZPIECZENIACH
Bardziej szczegółowoMODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI
Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene
Bardziej szczegółowoEKONOMETRIA ECONOMETRICS 4(46) 2014
EKONOMETRIA ECONOMETRICS 4(46) 2014 Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu Wrocław 2014 Redaktor Wydawnctwa: Aleksandra Ślwka Redaktor technczny: Barbara Łopusewcz Korektor: Barbara Cbs Łamane:
Bardziej szczegółowoZŁOŻONY MIESZANY ROZKŁAD POISSONA ZASTOSOWANIA UBEZPIECZENIOWE
Studa Ekonomczne. Zeszyty Naukowe Unwersytetu Ekonomcznego w Katowcach ISSN 083-8611 Nr 7 015 Mchał Trzęsok Unwersytet Ekonomczny w Katowcach Wydzał Zarządzana Katedra Analz Gospodarczych Fnansowych mchal.trzesok@ue.katowce.pl
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoMODEL REGRESYJNY WARTOŚCI POJEDYNCZEJ SZKODY UWZGLĘDNIAJĄCY POLISY BEZSZKODOWE
Studa Ekonomczne Zeszyty Naukowe Unwersytetu Ekonomcznego w Katowcach ISSN 083-86 Nr 4 05 Ekonoma 3 Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach Wydzał Ekonom Katedra Metod Statystyczno-Matematycznych
Bardziej szczegółowoKONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE
Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch
Bardziej szczegółowoRezerwa IBNR w ubezpieczeniach majątkowych
Rezerwa IBNR w ubezpeczenach maątkowych metody e kalkulac mgr Agneszka Pobłocka Unwersytet Gdańsk RTU ogółem (Dzał I Dzał II) ch udzał w PKB (w mld zł, %) 9,0% 7,5 % 7,7 % 7,6 % 120,00 8,0% 7,3 % 6,6 %
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoZastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH
Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego Łukasz Kończyk WMS AGH Plan prezentacji Model regresji liniowej Uogólniony model liniowy (GLM) Ryzyko ubezpieczeniowe Przykład
Bardziej szczegółowoOPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE
Bardziej szczegółowoWERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH
SCRIPTA COMENIANA LESNENSIA PWSZ m. J. A. Komeńskego w Leszne R o k 0 0 8, n r 6 TOMASZ ŚWIST* WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH
Bardziej szczegółowoPobrane z czasopisma Annales H - Oeconomia Data: 01/06/ :19:23
Pobrane z czasopsma Annales H - Oeconoma http://oeconoma.annales.umcs.pl DOI:0.795/h.206.50.4.497 ANNALES UNIVERSITATIS MARIAE CURIE-SKŁODOWSKA LUBLIN POLONIA VOL. L, 4 SECTIO H 206 Unwersytet Łódzk. Wydzał
Bardziej szczegółowoZastosowanie hierarchicznej estymacji bayesowskiej w szacowaniu wartości dochodów ludności dla powiatów
Zastosowane herarchcznej estymacj bayesowskej w szacowanu wartośc dochodów ludnośc dla powatów Jan Kuback Ośrodek Statystyk Matematycznej, Urząd Statystyczny w Łodz Herarchczna estymacja bayesowska - wprowadzene
Bardziej szczegółowo) 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 szczegółowoZastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...
Adam Waszkowsk * Adam Waszkowsk Zastosowane welowymarowej analzy porównawczej w doborze spó³ek do portfela nwestycyjnego Zastosowane welowymarowej analzy porównawczej... Wstêp Na warszawskej Ge³dze Paperów
Bardziej szczegółowoZaawansowane 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 szczegółowoInwestycje finansowe i ubezpieczenia tendencje światowe a rynek polski
PRACE NAUKOWE Unwersytetu Ekonomcznego we Wrocławu RESEARCH PAPERS of Wrocław Unversty of Economcs 254 Inwestycje fnansowe ubezpeczena tendencje śwatowe a rynek polsk Redaktorzy naukow Krzysztof Jajuga
Bardziej szczegółowoPortfele 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 szczegółowoWPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO
Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono
Bardziej szczegółowoModele 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 szczegółowoKRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA
KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany
Bardziej szczegółowoPrognozowanie w zarządzaniu firmą
Prognozowane w zarządzanu frmą Redaktorzy naukow Paweł Dttmann Aleksandra Szpulak Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu Wrocław 2011 Senacka Komsja Wydawncza Zdzsław Psz (przewodnczący), Andrzej
Bardziej szczegółowoSZTUCZNA 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 szczegółowoModelowanie struktury stóp procentowych na rynku polskim - wprowadzenie
Mgr Krzysztof Pontek Katedra Inwestycj Fnansowych Ubezpeczeń Akadema Ekonomczna we Wrocławu Modelowane struktury stóp procentowych na rynku polskm - wprowadzene Wprowadzene Na rynku stóp procentowych analzowana
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 0.0.005 r. Zadanie. Likwidacja szkody zaistniałej w roku t następuje: w tym samym roku z prawdopodobieństwem 0 3, w następnym roku z prawdopodobieństwem 0 3, 8 w roku
Bardziej szczegółowoSzacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka
Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE Joanna Sawicka Plan prezentacji Model Poissona-Gamma ze składnikiem regresyjnym Konstrukcja optymalnego systemu Bonus- Malus Estymacja
Bardziej szczegółowoAnaliza modyfikacji systemów bonus-malus w ubezpieczeniach komunikacyjnych AC na przykładzie wybranego zakładu ubezpieczeń
Analza modyfkacj systemów bonus-malus Ewa Łazuka Klauda Stępkowska Analza modyfkacj systemów bonus-malus w ubezpeczenach komunkacyjnych AC na przykładze wybranego zakładu ubezpeczeń Tematyka przedstawonego
Bardziej szczegółowoProcedura 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 szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma
Bardziej szczegółowoSystem Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
Bardziej szczegółowoModel oceny ryzyka w działalności firmy logistycznej - uwagi metodyczne
Magdalena OSIŃSKA Unwersytet Mkołaja Kopernka w Torunu Model oceny ryzyka w dzałalnośc frmy logstycznej - uwag metodyczne WSTĘP Logstyka w cągu ostatnch 2. lat stała sę bardzo rozbudowaną dzedzną dzałalnośc
Bardziej szczegółowoProces 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 szczegółowoAgata Boratyńska Statystyka aktuarialna... 1
Agata Boratyńska Statystyka aktuarialna... 1 ZADANIA NA ĆWICZENIA Z TEORII WIAROGODNOŚCI Zad. 1. Niech X 1, X 2,..., X n będą niezależnymi zmiennymi losowymi z rozkładu wykładniczego o wartości oczekiwanej
Bardziej szczegółowoOeconomiA copernicana 2013 Nr 3. Modele ekonometryczne w opisie wartości rezydualnej inwestycji
OeconomA coperncana 2013 Nr 3 ISSN 2083-1277, (Onlne) ISSN 2353-1827 http://www.oeconoma.coperncana.umk.pl/ Klber P., Stefańsk A. (2003), Modele ekonometryczne w opse wartośc rezydualnej nwestycj, Oeconoma
Bardziej szczegółowoO PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH
Mateusz Baryła Unwersytet Ekonomczny w Krakowe O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Wprowadzene
Bardziej szczegółowoInwestycje finansowe i ubezpieczenia tendencje światowe a rynek polski
PRACE NAUKOWE Unwersytetu Ekonomcznego we Wrocławu RESEARCH PAPERS of Wrocław Unversty of Economcs 323 Inwestycje fnansowe ubezpeczena tendencje śwatowe a rynek polsk Redaktorzy naukow Krzysztof Jajuga
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoKształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu
PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju
Bardziej szczegółowoZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH
Adranna Mastalerz-Kodzs Ewa Pośpech Unwersytet Ekonomczny w Katowcach ZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH Wprowadzene Zagadnene wyznaczana optymalnych
Bardziej szczegółowoEvaluation of estimation accuracy of correlation functions with use of virtual correlator model
Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowoMedia społecznościowe i praca w chmurze oraz przygotowanie na ich potrzeby materiałów graficznych i zdjęciowych
2 S Ł O W O - G R A F I K A - F I L M Meda społecznoścowe praca w chmurze oraz przygotowane na ch potrzeby materałów grafcznych zdjęcowych Artur Kurkewcz Web 2.0 tak określa sę serwsy nternetowe, których
Bardziej szczegółowoKOINCYDENTNOŚĆ 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 szczegółowoMODELE COPULA M-GARCH O ROZKŁADACH NIEZMIENNICZYCH NA TRANSFORMACJE ORTOGONALNE
Mateusz Ppeń Unwersytet Ekonomczny w Krakowe MODELE COPULA M-GARCH O ROZKŁADACH NIEZMIENNICZYCH NA TRANSFORMACJE ORTOGONALNE Wprowadzene W analzach emprycznych przeprowadzonych z wykorzystanem welorównanowych
Bardziej szczegółowoPattern 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 szczegółowoPORÓWNANIE METOD PROSTYCH ORAZ METODY REGRESJI HEDONICZNEJ DO KONSTRUOWANIA INDEKSÓW CEN MIESZKAŃ
PORÓWNANIE METOD PROSTYCH ORAZ METODY REGRESJI HEDONICZNEJ DO KONSTRUOWANIA INDEKSÓW CEN MIESZKAŃ Radosław Trojanek Katedra Inwestycj Neruchomośc Unwersytet Ekonomczny w Poznanu e-mal: r.trojanek@ue.poznan.pl
Bardziej szczegółowoMatematyka 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 szczegółowoANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI PRACY
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36, T. 1 Barbara Batóg *, Jacek Batóg ** Unwersytet Szczecńsk ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Zadanie. W pewnej populacji kierowców każdego jej członka charakteryzują trzy zmienne: K liczba przejeżdżanych kilometrów (w tysiącach rocznie) NP liczba szkód w ciągu roku, w których kierowca jest stroną
Bardziej szczegółowoWyznaczanie lokalizacji obiektu logistycznego z zastosowaniem metody wyważonego środka ciężkości studium przypadku
B u l e t y n WAT Vo l. LXI, Nr 3, 2012 Wyznaczane lokalzacj obektu logstycznego z zastosowanem metody wyważonego środka cężkośc studum przypadku Emla Kuczyńska, Jarosław Zółkowsk Wojskowa Akadema Technczna,
Bardziej szczegółowodla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.
Zadanie. Dla dowolnej zmiennej losowej X o wartości oczekiwanej μ, wariancji momencie centralnym μ k rzędu k zachodzą nierówności (typu Czebyszewa): ( X μ k Pr > μ + t σ ) 0. k k t σ *
Bardziej szczegółowoZarządzanie 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 szczegółowoAnaliza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009
Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja
Bardziej szczegółowoAnaliza ryzyka jako instrument zarządzania środowiskiem
WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument
Bardziej szczegółowoRegulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej
Łukasz Goczek * Regulacje sądownctwo przeszkody w konkurencj mędzy frmam w Europe Środkowej Wschodnej Wstęp Celem artykułu jest analza przeszkód dla konkurencj pomędzy frmam w Europe Środkowej Wschodnej.
Bardziej szczegółowoStatystyka. 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 szczegółowoAnaliza 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 szczegółowoZaawansowane metody numeryczne
Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x
Bardziej szczegółowoWpływ modernizacji gospodarki w sferze działalności proekologicznej na jakość środowiska naturalnego w Polsce w układzie regionalnym
194 Dr Marcn Salamaga Katedra Statystyk Unwersytet Ekonomczny w Krakowe Wpływ modernzacj gospodark w sferze dzałalnośc proekologcznej na jakość środowska naturalnego w Polsce w układze regonalnym WPROWADZENIE
Bardziej szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 10
Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane
Bardziej szczegółowoŚLĄSKI PRZEGLĄD STATYSTYCZNY
Polske Towarzystwo Statystyczne Oddzał we Wrocławu Slesan Statstcal Revew Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu Wrocław 2014 RADA NAUKOWA Walenty Ostasewcz, Tadeusz Bednarsk, Lusa Canal, Stansław
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych..00 r. Zadanie. Proces szkód w pewnym ubezpieczeniu jest złożonym procesem Poissona z oczekiwaną liczbą szkód w ciągu roku równą λ i rozkładem wartości szkody o dystrybuancie
Bardziej szczegółowoMATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw
MATERIAŁY I STUDIA Zeszyt nr 86 Analza dyskrymnacyjna regresja logstyczna w procese oceny zdolnośc kredytowej przedsęborstw Robert Jagełło Warszawa, 0 r. Wstęp Robert Jagełło Narodowy Bank Polsk. Składam
Bardziej szczegółowoANALIZA PRZESTRZENNA PROCESU STARZENIA SIĘ POLSKIEGO SPOŁECZEŃSTWA
TUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Katarzyna Zeug-Żebro * Unwersytet Ekonomczny w Katowcach ANALIZA PRZETRZENNA PROCEU TARZENIA IĘ POLKIEGO POŁECZEŃTWA TREZCZENIE Perwsze prawo
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn. 2010, Oeconomca 280 (59), 13 20 Iwona Bą, Agnesza Sompolsa-Rzechuła LOGITOWA ANALIZA OSÓB UZALEŻNIONYCH OD ŚRODKÓW
Bardziej szczegółowoANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO
Artur Zaborsk Unwersytet Ekonomczny we Wrocławu ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Wprowadzene Od ukazana
Bardziej szczegółowoAnaliza 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 szczegółowoMIARY ZALEŻNOŚCI ANALIZA STATYSTYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU METALI NIEŻELAZNYCH
Domnk Krężołek Unwersytet Ekonomczny w Katowcach MIARY ZALEŻNOŚCI ANALIZA AYYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU MEALI NIEŻELAZNYCH Wprowadzene zereg czasowe obserwowane na rynkach kaptałowych
Bardziej szczegółowoPolityka dywidend w spółkach notowanych na Giełdzie Papierów Wartościowych w Warszawie w latach 1994 2002
Joanna Wyrobek Akadema Ekonomczna w Krakowe Poltyka dywdend w spółkach notowanych na Gełdze Paperów Wartoścowych w Warszawe w latach 1994 2002 1. Cel badań Celem badań była analza poltyk wypłaty dywdend
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 3..007 r. Zadanie. Każde z ryzyk pochodzących z pewnej populacji charakteryzuje się tym że przy danej wartości λ parametru ryzyka Λ rozkład wartości szkód z tego ryzyka
Bardziej szczegółowoZadanie 1. O rozkładzie pewnego ryzyka X posiadamy następujące informacje: znamy oczekiwaną wartość nadwyżki ponad 20:
Zadanie 1. O rozkładzie pewnego ryzyka X posiadamy następujące informacje: znamy oczekiwaną wartość nadwyżki ponad 20: E X 20 8 oraz znamy następujące charakterystyki dotyczące przedziału 10, 20 : 3 Pr
Bardziej szczegółowoLaboratorium ochrony danych
Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz
Bardziej szczegółowo0 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 szczegółowoBayesowskie testowanie modeli tobitowych w analizie spłaty kredytów detalicznych
Jerzy Marzec, Katedra Ekonometr Badań Oeracyjnych, Unwersytet Ekonomczny w Krakowe 1 Bayesowske testowane model tobtowych w analze słaty kredytów detalcznych Wstę Podstawowym narzędzem wsomagającym racę
Bardziej szczegółowoPRZESTRZENNE ZRÓŻNICOWANIE WYBRANYCH WSKAŹNIKÓW POZIOMU ŻYCIA MIESZKAŃCÓW MIAST ŚREDNIEJ WIELKOŚCI A SYSTEM LOGISTYCZNY MIASTA 1
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XI/2, 2010, str. 102 111 PRZESTRZENNE ZRÓŻNICOWANIE WYBRANYCH WSKAŹNIKÓW POZIOMU ŻYCIA MIESZKAŃCÓW MIAST ŚREDNIEJ WIELKOŚCI A SYSTEM LOGISTYCZNY MIASTA 1
Bardziej szczegółowoRÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI
RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI Wojcech BOŻEJKO, Marusz UCHROŃSKI, Meczysław WODECKI Streszczene: W pracy rozpatrywany jest ogólny problem kolejnoścowy
Bardziej szczegółowoAPROKSYMACJA QUASIJEDNOSTAJNA
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy
Bardziej szczegółowoPrawdopodobieństwo 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 szczegółowoOptymalizacja portfela z wykorzystaniem koherentnych transformujących miar ryzyka
Grażyna Trzpot Unwersytet Ekonomczny w Katowcach Wydzał Informatyk Komunkacj Katedra Demograf Statystyk Ekonomcznej grazyna.trzpot@ue.katowce.pl Optymalzacja portfela z wykorzystanem koherentnych transformujących
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment
Bardziej szczegółowoEKONOMETRIA I Spotkanie 1, dn. 05.10.2010
EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra
Bardziej szczegółowoĆwiczenie 10. Metody eksploracji danych
Ćwczene 10. Metody eksploracj danych Grupowane (Clusterng) 1. Zadane grupowana Grupowane (ang. clusterng) oznacza grupowane rekordów, obserwacj lub przypadków w klasy podobnych obektów. Grupa (ang. cluster)
Bardziej szczegółowoProdukty i czynniki produkcji w badaniach efektywności kosztowej banków 1
Produkty czynnk produkcj w badanach efektywnośc kosztowej banków 1 Jerzy Marzec Katedra Ekonometr Akadem Ekonomcznej w Krakowe Podstawy pomaru efektywnośc kosztowej. Mkroekonomczny model przedsęborstwa
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoBadanie 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 szczegółowoWykład IX Optymalizacja i minimalizacja funkcji
Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej
Bardziej szczegółowoKURS 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= 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 szczegółowoEKONOMETRIA. Zastosowanie matematyki w ekonomii. Redaktor naukowy Janusz Łyko
EKONOMETRIA 26 Zastosowane matematyk w ekonom Redaktor naukowy Janusz Łyko Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu Wrocław 2009 Sps treśc Wstęp... 7 Beata Bal-Domańska, Ekonometryczna analza sgma
Bardziej szczegółowoPROGNOZOWANIE 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 szczegółowoAnaliza 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 szczegółowoNAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz
NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów
Bardziej szczegółowoWYBÓR PORTFELA PAPIERÓW WARTOŚCIOWYCH ZA POMOCĄ METODY AHP
Ewa Pośpech Unwersytet Ekonomczny w Katowcach Wydzał Zarządzana Katedra Matematyk posp@ue.katowce.pl WYBÓR PORTFELA PAPIERÓW WARTOŚCIOWYCH ZA POMOCĄ METODY AHP Streszczene: W artykule rozważano zagadnene
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Zadanie. W pewnej populacji kierowców każdego jej członka charakteryzują trzy zmienne: K liczba przejeżdżanych kilometrów (w tysiącach rocznie) NP liczba szkód w ciągu roku, w których kierowca jest stroną
Bardziej szczegółowoPlan 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 szczegółowoModele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11
Modele DSGE Jerzy Mycielski Maj 2008 Jerzy Mycielski () Modele DSGE Maj 2008 1 / 11 Modele DSGE DSGE - Dynamiczne, stochastyczne modele równowagi ogólnej (Dynamic Stochastic General Equilibrium Model)
Bardziej szczegółowoOPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POBLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU GENETYCZNEGO
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 81 Electrcal Engneerng 015 Mkołaj KSIĄŻKIEWICZ* OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU
Bardziej szczegółowoEKONOMETRIA ECONOMETRICS 4(46) 2014
EKONOMETRIA ECONOMETRICS 4(46) 2014 Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2014 Redaktor Wydawnictwa: Aleksandra Śliwka Redaktor techniczny: Barbara Łopusiewicz Korektor: Barbara Cibis
Bardziej szczegółowo± 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