Wpływ zdarzeń ekstremalnych i superekstermalnych na stochastyczną dynamikę szeregów czasowych
|
|
- Zuzanna Małek
- 8 lat temu
- Przeglądów:
Transkrypt
1 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Wpływ zdarzeń ekstremalnych i superekstermalnych na stochastyczną dynamikę szeregów czasowych T.R. Werner 1 T. Gubiec 2 P. Kosewski 2 R. Kutner 2 D. Sornette 3 1 Instytut Fizyki Teoretycznej, Wydział Fizyki Uniwersytet Warszawski 2 Instytut Fizyki Doświadczalnej, Wydział Fizyki Uniwersytet Warszawski 3 Department of Management, Technology, and Economics, ETH Zürich, Switzerland 5 Ogólnopolskie Sympozjum FENS, Warszawa /18
2 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Projekt częściowo finansowany przez Grant nr 119 Pierwszego Konkursu na Projekty Badawcze Instytutu Ekonomicznego Narodowego Banku Polskiego 2/18
3 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Niektóre pozycje bibliograficzne D. Sornette Critical Phenomena in Natural Sciences. Chaos, Fractals, Selforganization and Disorder: Concepts and Tools Springer-Verlag, D. Sornette Dragon-Kings, Black Swans and the Prediction of Crises International Journal of Terraspace and Engineering, 2(1), 1 17 (2009) R. Kutner, F. Świtała Stochastic simulations of time series within Weierstrass-Mandelbrot walks Quant. Finance, 3, (2003). R. Kutner, F. Świtała Study of the non-linear autocorrelations within the Gaussian regime EPJ, B33, (2003). T. Gubiec, R. Kutner, T.R. Werner, D. Sornette Super-extreme event s influence on a Weierstrass-Mandelbrot continuous-time random walk Wysłane do druku w Physica A. 3/18
4 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Plan 1 Procesy niegaussowskie 2 Zdarzenia superekstremalne 3 Metodologia Funkcja autokorelacji prędkości Model WM-CTRW Własności asymptotyczne modelu WM-CTRW 4 Symulacje Autokorelacje w obecności długotrwałych zdarzeń superekstremalnych Superszoki 5 Podsumowanie i Zamierzenia 4/18
5 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Dane empiryczne - wpływ kryzysu na postać rozkładu Przykład danych empirycznych ilustrujących wpływ kryzysu na kształt rozkładów statystycznych i ich odstępstwa od rozkładów gaussowskich. Rozrzut zmian kursu EUR/USD w latach 2004, 2006, 2008 i Histogram Zmiana kursu EUR/USD [pips] 5/18
6 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Zdarzenia superekstremalne: dwa skrajne scenariusze Schematyczny przebieg procesów ze zdarzeniami superekstremalnymi ( smokami ) szokowymi i długotrwałymi Smok szokowy Smok długotrwały 6/18
7 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Dane empiryczne - superszoki Przykład danych empirycznych z superszokiem Kurs EUR/USD maja 22:00 7/9 maja 22:00 10 maja 22:00 Kurs EUR/USD z superszokiem z 10 maja /18
8 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Dane empiryczne - długotrwałe zdarzenia superekstremalne Przykłady danych empirycznych z długotrwałymi zdarzeniami superekstremalnymi Cena akcji BP Cena złota 8/18
9 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Autokorelacje WM-CTRW Własności WM-CTRW Funkcja autokorelacji prędkości Funkcja autokorelacji prędkości: VAF( t) = v(t ) v(t + t) v(t ) v(t + t) { C( t) bez smoka = v 1 v 2 ( t) v 1 v 2 = C d ( t) ze smokiem gdzie... oznacza średniowanie po czasie t t tot t dla danej różnicy czasów (lag) t, a v(t ) := [X(t ) X(t dt)]/dt. Dla kroku dyskretyzacji czasu zachodzi oczywiście dt t, t. 9/18
10 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Autokorelacje WM-CTRW Własności WM-CTRW Rozkład w modelu WM-CTRW Rozkład dla pojedynczego kroku w czasie i przestrzeni : ψ( x, t) = 1 2 w(j) [ δ( x v 0 v j t) + δ( x + v 0 v j t) ] j=0 1 τ 0 τ j exp( t/τ 0 τ j ) gdzie wagi dla poszczególych poziomów hierarchii wynoszą ( w(j) = 1 1 ) 1, N > 1, j = 1,... N Nj W naszych symulacjach przyjęliśmy N = 4, τ 0 = v 0 = 1, τ = 2.52, b = 2.5, v = b/τ = Poziom w hierarchii określa j im ma większą wartość, tym mniejsze prawdopodobieństwo jego wystąpienia: w(j + 1)/w(j) = 1/N. 10/18
11 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Autokorelacje WM-CTRW Własności WM-CTRW Hierarchia zdarzeń Schematyczna ilustracja spaceru Weierstrassa ze zdarzeniami z różnych poziomów hierarchii 11/18
12 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Autokorelacje WM-CTRW Własności WM-CTRW Parametry asymptotyczne Asymptotyczne własności procesu determinowane są parametrem η, zależącym z kolei od parametrów α i β (temporal/spatial diffusion exponents): α = log N log τ and β = log N log b α i β η α > 1, β > 2 1 α < 1, β > 2 α α > 1, β < 2 1 α + 2α β α < 1, β < 2 2α β (w naszych symulacjach: N = 4, b = 2.5, τ = 2.52 η 1.48) 12/18
13 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Autokorelacje WM-CTRW Własności WM-CTRW Asymptotyka i funkcja autokorelacji Asymptotyczne zachowanie wielkości X 2 (t) może być wyrażone przez parametr η: X 2 (t) = 2D Γ(1 + η) tη gdzie D ( fractional diffusion coefficient ) również zależy od α i β. Dla η 1 proces jest fraktalny η < 1 subdiffusion 1 < η < 2 enhanced diffusion (superdiffusion) 2 < η < 3 hyperdiffusion Funkcja autokorelacji prędkości ma postać C(t) = v(t 0 )v(t 0 + t) 2D Γ(η 1) 1 t 2 η gdzie średniowanie jest po t 0. Tak więc na wykresie log-log powinniśmy otrzymać opadającą prostą log C(t) (η 2) log t z, w naszym przypadku, współczynnikiem kierunkowym η /18
14 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Autokorelacje WM-CTRW Własności WM-CTRW Funkcja autokorelacji w obecności długotrwałego zdarzenia superekstremalnego Jeśli w czasie procesu wystąpiło pojedyncze długotrwałe zdarzenie ekstremalne o czasie trwania t d, to jak można pokazać przy dość ogólnych założeniach otrzymuje się następujący wzór na funkcję autokorelacji C d (t) = 1 γ d 2t/t tot C(t) 1 t/t tot [ ( γ d t/t tot γ d 1 t/t tot ) t/t tot 1 t/t tot ] v 2 d, gdzie γ d := t d /t tot a v d odpowiada prędkości smoka. Dla małych t MAX t tot formuła ta upraszcza się do C d (t) = (1 γ d ) [ C(t) + γ d v 2 d ]. która to postać była użyta do porównań z wynikami symulacji. 14/18
15 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Autokorelacje WM-CTRW Własności WM-CTRW Funkcja autokorelacji w obecności superszoku Dla superszoku na funkcję autokorelacji otrzymuje się wzór C d (t) = C(t) ± 2 σ f ( ) 2 X d t tot t Xd, t tot t gdzie σ f := f σ 2 v + C(2t) (z fenomenologicznym parametrem 0 < f 1) a X d jest skokiem przestrzennym szokowego zdarzenia superekstermalnego, zachodzącym w czasie zaniedbywalnie małym w skali czasowej procesu. 15/18
16 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Smoki długotrwałe Superszoki Autokorelacje w obecności długich smoków Funkcja autokorelacji prędkości (VAF) w obecności długotrwałych smoków 1 Autocorrelation j d =19 j d =17 j d =15 j d =13 theory without dragon-king Time lag Całkowity czas procesu: jednostek. 16/18
17 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Smoki długotrwałe Superszoki Autokorelacje w obecności superszoków Funkcja autokorelacji prędkości (VAF) w obecności smoków typu szokowego 1 Autocorrelation X d = X d = X d = no dragon (simulation) no dragon (theory) Time lag Całkowity czas procesu: jednostek. 17/18
18 Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Podsumowanie VAF jest czułym detektorem Podsumowanie 1 występowania zdarzeń ekstremalnych i superekstermalnych 2 odróżniającym różne rodzaje zdarzeń superekstermalnych 3 pozwalającym na wyznaczanie parametrów definiujących różne zdarzenia superekstermalne Zamierzenia 1 analiza danych empirycznych pod kątem występowania i wpływu zdarzeń superekstermalnych 2 prognozowanie krachów za pomocą techniki opartej na krytycznym spowolnieniu 3 analiza wpływu zdarzeń superekstermalnych na ryzyko 18/18
MATERIAŁY I STUDIA. Zeszyt nr 259
MATERIAŁY I STUDIA Zeszyt nr 259 Opracowanie metody badania wpływu zdarzeń ekstremalnych i superekstremalnych na stochastyczną dynamikę szeregów czasowych Tomasz Gubiec, Ryszard Kutner, Tomasz Werner Warszawa,
Bardziej szczegółowoMetody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2
Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2 Dr hab. inż. Agnieszka Wyłomańska Faculty of Pure and Applied Mathematics Hugo Steinhaus Center Wrocław University of Science and
Bardziej szczegółowoDwuletnie studia indywidualne II stopnia na kierunku fizyka, specjalność Metody fizyki w ekonomii (ekonofizyka)
Dwuletnie studia indywidualne II stopnia na kierunku fizyka, specjalność Metody fizyki w ekonomii (ekonofizyka) 1. CHARAKTERYSTYKA STUDIÓW Celem kształcenia w ramach specjalności Metody fizyki w ekonomii
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 6 Model matematyczny elementu naprawialnego Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia:
Bardziej szczegółowoszeregów czasowych. Funkcjonowanie wybranych metod ryzyka inwestycyjnego dla wybranych empirycznych Wprowadzenie do miary ryzyka.
Funkcjonowanie wybranych metod ryzyka inwestycyjnego dla wybranych empirycznych szeregów czasowych. Wprowadzenie do miary ryzyka. A G N I E S Z K A TO F I L W Y D Z I A Ł F I Z Y K I U N I W E R S Y T
Bardziej szczegółowoZmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Bardziej szczegółowoEkonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
Bardziej szczegółowoSkoki o zerowej długości w formalizmie błądzenia losowego w czasie ciągłym
TEMATY PRAC MAGISTERSKICH Z EKONOFIZYKI Rok akademicki 2013/14 Skoki o zerowej długości w formalizmie błądzenia losowego w czasie ciągłym Opiekun: dr Tomasz Gubiec Email: Tomasz.Gubiec@fuw.edu.pl Błądzenie
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoProjekcja inflacji Narodowego Banku Polskiego materiał edukacyjny
Projekcja inflacji Narodowego Banku Polskiego materiał edukacyjny Plan prezentacji I. Projekcja inflacji NBP - podstawowe zagadnienia II. Główne założenia projekcji inflacji NBP III. Sposób prezentacji
Bardziej szczegółowoMatematyka Stosowana na Politechnice Wrocławskiej. Komitet Matematyki PAN, luty 2017 r.
Matematyka Stosowana na Politechnice Wrocławskiej Komitet Matematyki PAN, luty 2017 r. Historia kierunku Matematyka Stosowana utworzona w 2012 r. na WPPT (zespół z Centrum im. Hugona Steinhausa) studia
Bardziej szczegółowoA.Światkowski. Wroclaw University of Economics. Working paper
A.Światkowski Wroclaw University of Economics Working paper 1 Planowanie sprzedaży na przykładzie przedsiębiorstwa z branży deweloperskiej Cel pracy: Zaplanowanie sprzedaży spółki na rok 2012 Słowa kluczowe:
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoRuch jednostajnie przyspieszony wyznaczenie przyspieszenia
Doświadczenie: Ruch jednostajnie przyspieszony wyznaczenie przyspieszenia Cele doświadczenia Celem doświadczenia jest zbadanie zależności drogi przebytej w ruchu przyspieszonym od czasu dla kuli bilardowej
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoKorelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości.
Korelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości. Cross-correlations of financial crisis analysed by power law classification scheme. Evolving
Bardziej szczegółowoWykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)
Wykład 2 Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) 1. Procesy Markova: definicja 2. Równanie Chapmana-Kołmogorowa-Smoluchowskiego 3. Przykład dyfuzji w kapilarze
Bardziej szczegółowo3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
Bardziej szczegółowoWyznaczanie przyspieszenia ziemskiego za pomocą wahadła prostego
Ćwiczenie M6 Wyznaczanie przyspieszenia ziemskiego za pomocą wahadła prostego M6.1. Cel ćwiczenia Celem ćwiczenia jest wyznaczenie przyspieszenia ziemskiego poprzez analizę ruchu wahadła prostego. M6..
Bardziej szczegółowoINFOBAZY 2014 VII KRAJOWA KONFERENCJA NAUKOWA INSPIRACJA - INTEGRACJA - IMPLEMENTACJA
Centrum Informatyczne TASK Politechnika Gdańska Instytut Oceanologii Polskiej Akademii Nauk (IO PAN) INFOBAZY 2014 VII KRAJOWA KONFERENCJA NAUKOWA INSPIRACJA - INTEGRACJA - IMPLEMENTACJA Gdańsk Sopot,
Bardziej szczegółowoKatedra Fizyki Ciała Stałego Uniwersytetu Łódzkiego. Ćwiczenie 2 Badanie funkcji korelacji w przebiegach elektrycznych.
Katedra Fizyki Ciała Stałego Uniwersytetu Łódzkiego Ćwiczenie Badanie unkcji korelacji w przebiegach elektrycznych. Cel ćwiczenia: Celem ćwiczenia jest zbadanie unkcji korelacji w okresowych sygnałach
Bardziej szczegółowoSuperdyfuzja. Maria Knorps. Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska
VI Matematyczne Warsztaty KaeNeMów p. 1/2 Superdyfuzja Maria Knorps maria.knorps@gmail.com Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska VI Matematyczne Warsztaty KaeNeMów p.
Bardziej szczegółowoO procesie Wienera. O procesie Wienera. Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Proces Wienera. Ruch Browna. Ułamkowe ruchy Browna
Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Ruch 1 {X t } jest martyngałem dokładnie wtedy, gdy E(X t F s ) = X s, s, t T, s t. Jeżeli EX 2 (t) < +, to E(X t F s ) jest rzutem ortogonalnym zmiennej
Bardziej szczegółowoPathfinder porównanie czasów ewakuacji ludzi z budynku przy użyciu dwóch metod
Pathfinder porównanie czasów ewakuacji ludzi z budynku przy użyciu dwóch metod Wstęp Czas ewakuacji ludzi z budynku to jedna z najważniejszych danych, jakie należy brać pod uwagę projektując instalacje
Bardziej szczegółowoStanisław Cihcocki. Natalia Nehrebecka
Stanisław Cihcocki Natalia Nehrebecka 1 1. Kryteria informacyjne 2. Testowanie autokorelacji w modelu 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoHierarchical Cont-Bouchaud model
Hierarchical Cont-Bouchaud model inż. Robert Paluch dr inż. Krzysztof Suchecki prof. dr hab. inż. Janusz Hołyst Pracownia Fizyki w Ekonomii i Naukach Społecznych Wydział Fizyki Politechniki Warszawskiej
Bardziej szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowoTwierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych
Publiczna obrona rozprawy doktorskiej Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych Piotr Miłoś Instytut Matematyczny Polskiej Akademii Nauk 23.10.2008 Warszawa Plan 1 Układy
Bardziej szczegółowoAnaliza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoStanisław Cichocki. Natalia Neherbecka. Zajęcia 13
Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych
Bardziej szczegółowoPróba własności i parametry
Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony
Bardziej szczegółowoStochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów
Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 14
Bardziej szczegółowolaboratoria 24 zaliczenie z oceną
Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Niestacjonarne
Bardziej szczegółowoZmienność i modele stochastyczne odpowiedzi wzrokowych neuronów wzgórka czworaczego górnego kota
Zmienność i modele stochastyczne odpowiedzi wzrokowych neuronów wzgórka czworaczego górnego kota Gabriela Mochol Marek Wypych Daniel K. Wójcik Andrzej Wróbel Wioletta J. Waleszczyk Pracownia Układu Wzrokowego
Bardziej szczegółowoEkonometria Finansowa II EARF. Michał Rubaszek
Ekonometria Finansowa II EARF Michał Rubaszek 1 Cele - Zapoznanie z charakterystykami szeregów finansowych - Omówienie jednowymiarowych metod liczenia VaR - Omówienie wielowymiarowych metod liczenia VaR
Bardziej szczegółowoRamowy Program Specjalizacji MODELOWANIE MATEMATYCZNE i KOMPUTEROWE PROCESÓW FIZYCZNYCH Studia Specjalistyczne (III etap)
Ramowy Program Specjalizacji MODELOWANIE MATEMATYCZNE i KOMPUTEROWE PROCESÓW FIZYCZNYCH Studia Specjalistyczne (III etap) Z uwagi na ogólno wydziałowy charakter specjalizacji i możliwość wykonywania prac
Bardziej szczegółowoNiezawodność diagnostyka systemów laboratorium. Ćwiczenie 2
dr inż. Jacek Jarnicki doc. PWr Niezawodność diagnostyka systemów laboratorium Ćwiczenie 2 1. Treść ćwiczenia Generowanie realizacji zmiennych losowych i prezentacja graficzna wyników losowania. Symulacja
Bardziej szczegółowoWSPÓŁCZYNNIK DWUMODALNOŚCI BC I JEGO ZASTOSOWANIE W ANALIZACH ROZKŁADÓW ZMIENNYCH LOSOWYCH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XV/3, 2014, str. 20 29 WSPÓŁCZYNNIK DWUMODALNOŚCI BC I JEGO ZASTOSOWANIE W ANALIZACH ROZKŁADÓW ZMIENNYCH LOSOWYCH Aleksandra Baszczyńska, Dorota Pekasiewicz
Bardziej szczegółowoPARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV
Elektroenergetyczne linie napowietrzne i kablowe wysokich i najwyższych napięć PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV Wisła, 18-19 października 2017
Bardziej szczegółowoJanusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 20 KWANTOWE METODY MONTE CARLO 20.1 Kwantowa wariacyjna metoda Monte Carlo Problem własny dla stanu podstawowego układu N cząstek (H E 0 )ψ 0 (r)
Bardziej szczegółowoStatystyczne modelowanie powodzi w obwałowanych rzekach
Pierwsza konferencja naukowo-techniczna Polskiego Stowarzyszenia Informatyki Środowiska Warszawa, styczeń 2017 Statystyczne modelowanie powodzi w obwałowanych rzekach Krzysztof Kochanek, Witold G. Strupczewski,
Bardziej szczegółowoSYMULACJE KOMPUTEROWE PROCESÓW SINGULARNYCH I OSOBLIWYCH W FINANSACH - WYBRANE ALGORYTMY Szkic
SYMULACJE KOMPUTEROWE PROCESÓW SINGULARNYCH I OSOBLIWYCH W FINANSACH - WYBRANE ALGORYTMY Szkic Ryszard Kutner Zakład Dydaktyki Fizyki, Instytut Fizyki Doświadczalnej Wydział Fizyki, Uniwersytet Warszawski
Bardziej szczegółowoVoter model on Sierpiński fractals Model głosujący na fraktalach Sierpińskiego
Voter model on Sierpiński fractals Model głosujący na fraktalach Sierpińskiego Krzysztof Suchecki Janusz A. Hołyst Wydział Fizyki Politechniki Warszawskiej Plan Model głosujący : definicja i własności
Bardziej szczegółowoWPŁYW TYPU ROZKŁADU CZASU TRWANIA CZYNNOŚCI NA WYNIKI ANALIZY RYZYKA W PLANOWANIU REALIZACJI PRZEDSIĘWZIĘĆ
Dane bibliograficzne o artykule: http://mieczyslaw_polonski.users.sggw.pl/mppublikacje mgr inż. Wojciech Bogusz dr hab. inż. Mieczysław Połoński, prof. SGGW mgr inż. Kamil Pruszyński Szkoła Główna Gospodarstwa
Bardziej szczegółowoLABORATORIUM PODSTAW TELEKOMUNIKACJI
WOJSKOWA AKADEMIA TECHNICZNA im. Jarosława Dąbrowskiego w Warszawie Wydział Elektroniki LABORATORIUM PODSTAW TELEKOMUNIKACJI Grupa Podgrupa Data wykonania ćwiczenia Ćwiczenie prowadził... Skład podgrupy:
Bardziej szczegółowoModel Pasywnego Trasera w Lokalnie Ergodycznym Środowisku
w Lokalnie Ergodycznym Środowisku Tymoteusz Chojecki UMCS, Lublin Tomasz Komorowski IMPAN, Warszawa Kościelisko, 10 września 2016, XLV Konferencja Zastosowań Matematyki T. Komorowski, T. Chojecki w Lokalnie
Bardziej szczegółowoTematy prac magisterskich i doktorskich
Tematy prac magisterskich i doktorskich Stochastyczna dynamika z opóźnieniami czasowymi w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoWprowadzenie Model ARMA Sezonowość Prognozowanie Model regresji z błędami ARMA. Modele ARMA
Ważną klasę modeli dynamicznych stanowią modele ARMA(p, q) Ważną klasę modeli dynamicznych stanowią modele ARMA(p, q) Modele tej klasy są modelami ateoretycznymi Ważną klasę modeli dynamicznych stanowią
Bardziej szczegółowo17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 17 KLASYCZNA DYNAMIKA MOLEKULARNA 17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek Rozważamy układ N punktowych cząstek
Bardziej szczegółowoBADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH
BADANIA SYMULACYJNE PROCESU HAMOWANIA SAMOCHODU OSOBOWEGO W PROGRAMIE PC-CRASH Dr inż. Artur JAWORSKI, Dr inż. Hubert KUSZEWSKI, Dr inż. Adam USTRZYCKI W artykule przedstawiono wyniki analizy symulacyjnej
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoNarodowe Centrum Badań Jądrowych Dział Edukacji i Szkoleń ul. Andrzeja Sołtana 7, Otwock-Świerk
Narodowe Centrum Badań Jądrowych Dział Edukacji i Szkoleń ul. Andrzeja Sołtana 7, 05-400 Otwock-Świerk ĆWICZENIE L A B O R A T O R I U M F I Z Y K I A T O M O W E J I J Ą D R O W E J Zastosowanie pojęć
Bardziej szczegółowoAnaliza szeregów czasowych: 3. Filtr Wienera
Analiza szeregów czasowych: 3. Filtr Wienera P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2006/07 Filtr Wienera ( filtr optymalny ) Przypuśćmy, że pewien układ (fizyczny, biologiczny,
Bardziej szczegółowoPrzetwarzanie równoległe
Przetwarzanie równoległe Kostka równoległe przesyłanie i przetwarzanie Rafał Malinowski, Marek Musielak 1. Cel projektu: Celem projektu było stworzenie i przetestowanie oprogramowania działającego na serwerze
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 3 Generacja realizacji zmiennych losowych Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia: Generowanie
Bardziej szczegółowoSzkoła z przyszłością. Zastosowanie pojęć analizy statystycznej do opracowania pomiarów promieniowania jonizującego
Szkoła z przyszłością szkolenie współfinansowane przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Narodowe Centrum Badań Jądrowych, ul. Andrzeja Sołtana 7, 05-400 Otwock-Świerk ĆWICZENIE
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoTERMODYNAMIKA I FIZYKA STATYSTYCZNA
TERMODYNAMIKA I FIZYKA STATYSTYCZNA Lech Longa pok. D.2.49, II piętro, sektor D Zakład Fizyki Statystycznej e-mail: lech.longa@uj.edu.pl Dyżury: poniedziałki 13-14 można się umówić wysyłając e-maila 1
Bardziej szczegółowoBadanie rozkładu pola magnetycznego przewodników z prądem
Ćwiczenie E7 Badanie rozkładu pola magnetycznego przewodników z prądem E7.1. Cel ćwiczenia Prąd elektryczny płynący przez przewodnik wytwarza wokół niego pole magnetyczne. Ćwiczenie polega na pomiarze
Bardziej szczegółowoEkonometryczne modele nieliniowe
Ekonometryczne modele nieliniowe Wykład 10 Modele przełącznikowe Markowa Literatura P.H.Franses, D. van Dijk (2000) Non-linear time series models in empirical finance, Cambridge University Press. R. Breuning,
Bardziej szczegółowoWeryfikacja hipotez statystycznych za pomocą testów statystycznych
Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej
Bardziej szczegółowoANALIZA WŁAŚCIWOŚCI FILTRU PARAMETRYCZNEGO I RZĘDU
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 78 Electrical Engineering 2014 Seweryn MAZURKIEWICZ* Janusz WALCZAK* ANALIZA WŁAŚCIWOŚCI FILTRU PARAMETRYCZNEGO I RZĘDU W artykule rozpatrzono problem
Bardziej szczegółowoPrzejścia fazowe w uogólnionym modelu modelu q-wyborcy na grafie zupełnym
Przejścia fazowe w uogólnionym modelu modelu q-wyborcy na grafie zupełnym Piotr Nyczka Institute of Theoretical Physics University of Wrocław Artykuły Opinion dynamics as a movement in a bistable potential
Bardziej szczegółowoWycena papierów wartościowych - instrumenty pochodne
Matematyka finansowa - 8 Wycena papierów wartościowych - instrumenty pochodne W ujęciu probabilistycznym cena akcji w momencie t jest zmienną losową P t o pewnym (zwykle nieznanym) rozkładzie prawdopodobieństwa,
Bardziej szczegółowoINSTYTUT METEOROLOGII I GOSPODARKI WODNEJ PAŃSTWOWY INSTYTUT BADAWCZY Oddział we Wrocławiu. Görlitz
Görlitz 17.11.2014 Pakiet programów MIKE opracowany na Politechnice Duńskiej, zmodyfikowany przez Duński Instytut Hydrauliki, Zasady działania modeli: MIKE NAM - model konceptualny o parametrach skupionych,
Bardziej szczegółowoNOWY PROGRAM STUDIÓW 2016/2017 SYLABUS PRZEDMIOTU AUTORSKIEGO: Wprowadzenie do teorii ekonometrii. Część A
NOWY PROGRAM STUDIÓW 2016/2017 SYLABUS PRZEDMIOTU AUTORSKIEGO: Autor: 1. Dobromił Serwa 2. Tytuł przedmiotu Sygnatura (będzie nadana, po akceptacji przez Senacką Komisję Programową) Wprowadzenie do teorii
Bardziej szczegółowoModelowanie matematyczne a eksperyment
Modelowanie matematyczne a eksperyment Budowanie modeli w środowisku Hildegard Urban-Woldron Ogólnopolska konferencja, 28.10. 2011, Warszawa Plan Budowanie modelu w środowisku Równania i wartości Uruchomienie
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną. laboratoria 30 zaliczenie z oceną
Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Stacjonarne
Bardziej szczegółowoĆwiczenie 1 Metody pomiarowe i opracowywanie danych doświadczalnych.
Ćwiczenie 1 Metody pomiarowe i opracowywanie danych doświadczalnych. Ćwiczenie ma następujące części: 1 Pomiar rezystancji i sprawdzanie prawa Ohma, metoda najmniejszych kwadratów. 2 Pomiar średnicy pręta.
Bardziej szczegółowoWYKŁAD 6 KINEMATYKA PRZEPŁYWÓW CZĘŚĆ 2 1/11
WYKŁAD 6 KINEMATYKA PRZEPŁYWÓW CZĘŚĆ 1/11 DEFORMACJA OŚRODKA CIĄGŁEGO Rozważmy dwa elementy płynu położone w pewnej chwili w bliskich sobie punktach A i B. Jak zmienia się ich względne położenie w krótkim
Bardziej szczegółowoPrognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)
Bardziej szczegółowoWPŁYW USTALENIA I MOCOWANIA KORPUSÓW PRZEKŁADNI TECHNOLOGICZNIE PODOBNYCH NA KSZTAŁT OTWORÓW POD ŁOŻYSKA
WPŁYW USTALENIA I MOCOWANIA KORPUSÓW PRZEKŁADNI TECHNOLOGICZNIE PODOBNYCH NA KSZTAŁT OTWORÓW POD ŁOŻYSKA Ryszard WOJCIK 1, Norbert KEPCZAK 1 1. WPROWADZENIE Procesy symulacyjne pozwalają prześledzić zachowanie
Bardziej szczegółowoAnaliza matematyczna dla informatyków 3 Zajęcia 14
Analiza matematyczna dla informatyków 3 Zajęcia 14 Metoda rozwiązywania (Jednorodne równanie różniczkowe liniowe rzędu n o stałych współczynnikach). gdzie a 0,..., a n 1 C. Wielomian charakterystyczny:
Bardziej szczegółowoTeoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie
Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr
Bardziej szczegółowoRodzaje opcji potęgowych i ich ryzyko delty
A N N A L E S U N I V E R S I TAT I S M A R I A E C U R I E - S K O D O W S K A LUBLIN POLONIA VOL. XLIV, 2 SECTIO H 21 EWA DZIAWGO Rodzaje opcji potęgowych i ich ryzyko delty Types of power options and
Bardziej szczegółowoKomputerowe modelowanie zjawisk fizycznych
Komputerowe modelowanie zjawisk fizycznych Ryszard Kutner Zakład Dydaktyki Fizyki Instytut Fizyki Doświadczalnej, Wydział Fizyki Uniwersytet Warszawski IX FESTIWAL NAUKI WARSZAWA 2005 BRAK INWESTYCJI W
Bardziej szczegółowoModele stóp zwrotu w długim i krótkim okresie
Modele stóp zwrotu w długim i krótkim okresie Tomasz Mostowski Uniwersytet Warszawski Wydział Nauk Ekonomicznych Konferencja Aktuarialna, Warszawa 2008 Plan Problem ekonomiczny 1 Problem ekonomiczny 2
Bardziej szczegółowoANALIZA TRÓJELEMENTOWEGO OBWODU MEMRYSTOROWEGO NIECAŁKOWITEGO RZĘDU
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 77 Electrical Engineering 4 Mikołaj BUSŁOWICZ* ANALIZA TRÓJELEMENTOWEGO OBWODU MEMRYSTOROWEGO NIECAŁKOWITEGO RZĘDU W pracy rozpatrzono szeregowy
Bardziej szczegółowoW4 Eksperyment niezawodnościowy
W4 Eksperyment niezawodnościowy Henryk Maciejewski Jacek Jarnicki Jarosław Sugier www.zsk.iiar.pwr.edu.pl Badania niezawodnościowe i analiza statystyczna wyników 1. Co to są badania niezawodnościowe i
Bardziej szczegółowoFORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
Bardziej szczegółowoWSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH
WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH Dobrze przygotowane sprawozdanie powinno zawierać następujące elementy: 1. Krótki wstęp - maksymalnie pół strony. W krótki i zwięzły
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoRÓWNANIE SCHRÖDINGERA NIEZALEŻNE OD CZASU
X. RÓWNANIE SCHRÖDINGERA NIEZALEŻNE OD CZASU Równanie Schrődingera niezależne od czasu to równanie postaci: ħ 2 2m d 2 x dx 2 V xx = E x (X.1) Warunki regularności na x i a) skończone b) ciągłe c) jednoznaczne
Bardziej szczegółowoHISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =
HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoEkonometria dynamiczna i finansowa Kod przedmiotu
Ekonometria dynamiczna i finansowa - opis przedmiotu Informacje ogólne Nazwa przedmiotu Ekonometria dynamiczna i finansowa Kod przedmiotu 11.5-WK-IiED-EDF-W-S14_pNadGenMOT56 Wydział Kierunek Wydział Matematyki,
Bardziej szczegółowoSzkic wykładu pt.: ELEMENTY TEORII RYZYKA
Szkic wykładu pt.: ELEMENTY TEORII RYZYKA Ryszard Kutner Zakład Dydaktyki Fizyki, Instytut Fizyki Doświadczalnej Wydział Fizyki, Uniwersytet Warszawski Warszawa, grudzień 2009 Materiał ten ani w całości
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 2 1 / 20 MIARY ROZPROSZENIA, Wariancja Wariancją z próby losowej X
Bardziej szczegółowoCYFROWE PRZETWARZANIE SYGNAŁÓW
POLITECHNIKA RZESZOWSKA im. I. Łukasiewicza WYDZIAŁ ELEKTROTECHNIKI I INFORMATYKI Katedra Metrologii i Systemów Diagnostycznych CYFROWE PRZETWARZANIE SYGNAŁÓW Sygnały stochastyczne, parametry w dziedzinie
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Zastosowanie testu Kaplana do identyfikacji ekonomicznych szeregów czasowych
Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu Zastosowanie testu Kaplana do identyfikacji ekonomicznych szeregów czasowych Streszczenie Identyfikacja zależności w szeregach czasowych jest jednym
Bardziej szczegółowoDeska Galtona. Adam Osękowski. Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski
a schemat Bernoulliego Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski XV Festiwal Nauki, 21 września 2011r. a schemat Bernoulliego Schemat Bernoulliego B(n, p)
Bardziej szczegółowo5 Błąd średniokwadratowy i obciążenie
5 Błąd średniokwadratowy i obciążenie Przeprowadziliśmy 200 powtórzeń przebiegu próbnika dla tego samego zestawu parametrów modelowych co w Rozdziale 1, to znaczy µ = 0, s = 10, v = 10, n i = 10 (i = 1,...,
Bardziej szczegółowoCzęść 2. Teoretyczne i praktyczne aspekty wybranych metod analiz ilościowych w ekonomii i zarządzaniu
Spis treści Część 1 Analiza procedur wyznaczania i wykorzystania rozwiązań uogólnionych wybranej klasy nieliniowych modeli optymalizacyjnych we wspomaganiu procesów decyzyjnych (Jerzy Mika) Wprowadzenie.
Bardziej szczegółowoLABORATORIUM PROCESÓW STOCHASTYCZNYCH
WOJSKOWA AKADEMIA TECHICZA im. Jarosława Dąbrowskiego w Warszawie Wydział Elektroniki LABORATORIUM PROCESÓW STOCHASTYCZYCH Grupa Podgrupa Data wykonania ćwiczenia Ćwiczenie prowadził. Skład podgrupy 1....
Bardziej szczegółowo