WPŁYW REDUKCJI SZUMU LOSOWEGO METODĄ NAJBLIŻSZYCH SĄSIADÓW NA WYNIKI PROGNOZ OTRZYMANYCH ZA POMOCĄ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA
|
|
- Nadzieja Adamczyk
- 8 lat temu
- Przeglądów:
Transkrypt
1 Monika Miśkiewicz-Nawrocka Uniwersytet Ekonomiczny w Katowicach WPŁYW REDUKCJI SZUMU LOSOWEGO MEODĄ NAJBLIŻSZYCH SĄSIADÓW NA WYNIKI PROGNOZ ORZYMANYCH ZA POMOCĄ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA Wprowazenie Problem prognozowania zjawisk ekonomicznych jest problemem trunym, który próbuje się rozwiązywać różnymi metoami. O momentu pojawienia się w literaturze pojęcia eterministycznego chaosu, poejmuje się próby prognozowania realnych zjawisk na postawie pojęć i meto teorii nieliniowych ukłaów ynamicznych. Jenym z narzęzi tej teorii są wykłaniki Lapunowa, które mierzą wrażliwość ukłau na zmianę warunków początkowych, czyli chaotyczność ukłau ynamicznego. Największy wykłanik Lapunowa pozwala określić, jak barzo zmienia się (zwiększa lub zmniejsza) oległość pomięzy bieżącym stanem x N ukłau a jego najbliższym sąsiaem x i poczas ewolucji ukłau oraz oszacować oległość pomięzy ich następnikami x N+ i x i+. Na postawie tej oległości można wyznaczyć wartość prognozy x ˆ N + [Guégan, Leroux, 2009, s. 240; Zhang et al., 2004, s. 3]. Metoa najbliższych sąsiaów wywozi się z teorii nieliniowych ukłaów ynamicznych i została stworzona o prognozowania przyszłych wartości szeregów czasowych [Lorenz, 969, s ], ale może być również stosowana o reukcji szumu losowego w szeregach czasowych. Rzeczywiste szeregi czasowe (s t ) skłaają się z części eterministycznej szeregu (y t ) oraz części stochastycznej szeregu (ε t ), która wyraża poziom szumu losowego, reprezentującego szum ob-
2 WPŁYW REDUKCJI SZUMU LOSOWEGO 83 serwacyjny, systemowy lub kombinację szumu obserwacyjnego i systemowego. Reukcja szumu losowego pozwala poznać własności szeregu (y t ) na postawie analizy szeregu obserwacji (s t ). Celem pracy jest ocena okłaności oraz porównanie prognoz otrzymanych za pomocą największego wykłanika Lapunowa la wybranych szeregów czasowych, prze i po zastosowaniu proceury reukcji szumu losowego metoą najbliższych sąsiaów. Baania empiryczne przeprowazono na postawie rzeczywistych anych natury ekonomicznej, tj. szeregów utworzonych z notowań kursów walut: CHF, EUR, GBP, JPY, USD wobec złotego, cen zamknięcia: Dębicy, ING Banku Śląskiego, LPP SA, Mostostalu Zabrze, Vistuli, oraz ineksów giełowych: WIG i WIG20. Do przeprowazenia niezbęnych obliczeń wykorzystano program napisany przez autora w języku Delhi, arkusz kalkulacyjny Excel oraz program GREL.. Szeregi czasowe Rzeczywisty szereg czasowy jest yskretnym ukłaem ynamicznym (X, f) opisanym za pomocą zależności [Nowiński, 2007, s. 24]: x t+ = f(x t + η t ), () s t+ = h(x t+ ) + ξ t, t = 0,,2, (2) gzie: X R m, X przestrzeń stanów, f : X X m-wymiarowe owzorowanie opisujące rzeczywistą ynamikę ukłau, h : X R funkcja pomiarowa generująca szereg czasowy obserwacji s t ukłau ynamicznego, x t, x t+ X stan nieznanego, pierwotnego ukłau wielowymiarowego opowienio w chwilach t, t+, s t+ obserwacja szeregu czasowego w chwili t+, η t szum ynamiczny wewnątrz ukłau, ξ t szum pomiarowy. Krótko, można zapisać rzeczywisty szereg czasowy jako: s t = y t + ε t, (3) gzie: y t część eterministyczna szeregu czasowego, ε t część stochastyczna szeregu czasowego (szum losowy skłaający się z szumu obserwacyjnego, systemowego lub ich kombinacji).
3 84 Monika Miśkiewicz-Nawrocka 2. Największy wykłanik Lapunowa Dla ukłau ynamicznego (X, f), w którym X R m, f : X X (m ), wykłaniki Lapunowa są zefiniowane jako granice [Zawazki, 996, s. 6]: λi ( x0 ) = lim ln μi ( n, x0 ), gzie: i =,,m, (4) n n gzie: i =,, m, μ i (n, x 0 ) wartości własne macierzy Df n (x 0 ), Df n (x 0 ) macierz Jacobiego owzorowania f n równą Df n (x 0 ) = Df(x n ) Df(x ) Df(x 0 ), f i Df ( x) = ( x), x j f i skłaowe owzorowania f, i, j =,2,, m. i =,, m. Zgonie z twierzeniem Oseleeca [968, s ], la m-wymiarowego ukłau ynamicznego istnieje m wykłaników Lapunowa, spełniających warunek: λ i λ i+, la i =,, m. Jenak najważniejszy jest największy z nich, który mierzy śrenie tempo zbieżności i rozbieżności wóch początkowo barzo bliskich trajektorii. Doatnia wartość największego wykłanika jest głównym wskaźnikiem ynamiki chaotycznej. Uowoniono, że prawziwa jest następująca zależność [Eckmann, Ruelle, 985, s. 630; Kantz, Schreiber, 2004, s. 67]: kλmax Δ Δ, (5) gzie λ max największy wykłanik Lapunowa, Δ k <<, k >> *. k Jeśli λ max jest oatnie, to z powyższego wzoru wynika, że początkowo bliskie sobie stany rozbiegają się (oalają się o siebie) w tempie wykłaniczym, co najwyżej równym największemu wykłanikowi Lapunowa. W związku z tym, że wie trajektorie nie mogą oalić się o siebie na oległość większą niż rozmiar atraktora, przybliżona równość (5) jest prawziwa tylko la takich k, la których Δ k pozostaje małe. 0 e * a << b oznacza, że a jest użo mniejsze niż b.
4 WPŁYW REDUKCJI SZUMU LOSOWEGO 85 Po obustronnym zlogarytmowaniu równania (5) uzyskano: ln Δ k = ln Δ 0 + kλ max. (6) W praktyce największy wykłanik Lapunowa szacuje się jako współczynnik kierunkowy regresji równania (6) [Rosenstein, Collins et al. 993, s. 7-34; Kantz, 994, s ]. 3. Prognozowanie szeregów czasowych metoa LEM * Należy rozważyć jenowymiarowy szereg czasowy złożony z N obserwacji (s, s 2,, s N ). W zrekonstruowanej przestrzeni stanów ** każa obserwacja s t, ( )τ + t N jest związana z wektorem zanurzenia (-historią), który powstaje w wyniku przesunięcia oryginalnego szeregu czasowego o pewną stałą wartość opóźnienia czasowego τ. Elementami zrekonstruowanej -wymiarowej przestrzeni stanów są więc -wymiarowe punkty (-historie) zwane wektorami opóźnień, ane wzorem [Packer et al., 980, s ; akens, 98, s ]: ( ) s i = si, si τ, si 2 τ,..., si ( ) τ, (7) gzie: i = ( )τ +,, N, s i obserwacje oryginalnego szeregu, i =,, N, wymiar rekonstruowanej przestrzeni (zwany również wymiarem zanurzenia), τ opóźnienie czasowe. Przeprowazenie rekonstrukcji przestrzeni stanów ukłau ynamicznego wymaga ustalenia wartości parametrów τ i m. Nie istnieje jenak jenoznaczna metoa wyznaczenia wartości opóźnienia τ oraz minimalnego wymiaru zanurzenia m. Wartość opóźnienia czasowego τ można oszacować na postawie funkcji autokorelacji lub funkcji informacji wzajemnej [Kantz, Schreiber, 2004, s. 50]. Przy ustalaniu minimalnego wymiaru opóźnienia powszechnie stosowaną jest metoa pozornych najbliższych sąsiaów [Kennel et al., 992]. Spośró wszystkich wektorów s t zrekonstruowanej przestrzeni stanów należy wybrać wektor najbliższy (w sensie oległości eukliesowej) wektorowi s i oznaczyć przez s min. Niech Δ min oznacza oległość pomięzy s oraz N N * Lyapunov Exponent Metho. ** Rekonstrukcja przestrzeni stanów polega na otworzeniu na postawie jenowymiarowego ciągu obserwacji, przestrzeni stanów ukłau ynamicznego.
5 86 Monika Miśkiewicz-Nawrocka s min, a Δ oległość pomięzy sn s + oraz min+. Zakłaając, że Δ /Δ min ulega małym zmianom poczas ewolucji ukłau, to oległość mięzy wektorami sn + i wyraża się wzorem [Guégan, Leroux, 2009, s. 2402]: smin+ gzie: λ max wykłanik Lapunowa. λmax Δ Δ e, (8) min Ponieważ: s N ( s s s ), + + = N + N τ + N ( ) τ,...,, (9) prognozowaną wartość s N+ można wyznaczyć z równania (8) [Zhang et al., 2004, s. 6; Guégan, Leroux, 2009, s. 2402]. Kolejne prognozy s ˆ N +, la = 2,3, można wyznaczyć bezpośrenio z zależności: Δ Δ min e λ max, (0) gzie Δ oznacza oległość pomięzy wektorami s N i s min po krokach iteracji, czyli pomięzy wektorami s N + i s min +, lub metoą iteracyjną, stosując opisaną powyżej proceurę la wektora sn + [ Zhang.et al., 2004, s. 3; Guégan, Leroux, 2009, s. 2402]. Algorytm prognozowania przyszłych wartości szeregu czasowego (s, s 2,, s N ) za pomocą największego wykłanika Lapunowa [Zhang et al., 2004, s. 6] metoa LEM jest następujący:. Należy wybrać opóźnienie czasowe τ oraz wymiar rekonstruowanej przestrzeni stanów. 2. Należy obliczyć wykłanik Lapunowa λ max, jeśli λ max < 0, przejść o kroku Należy rekonstruować przestrzeń stanów la wybranych wartości τ oraz. Otrzymuje się N ( )τ wektorów w rekonstruowanej -wymiarowej przestrzeni stanów. 4. Należy wyznaczyć wektor s min położony najbliżej, w sensie oległości eukliesowej, wektora s N. 5. Należy obliczyć oległość Δ min pomięzy wektorami s min oraz s N. 6. Należy obliczyć oległość Δ pomięzy wektorami smin+ oraz sn +.
6 WPŁYW REDUKCJI SZUMU LOSOWEGO Znając współrzęne punktu s min+ w zrekonstruowanej przestrzeni stanów, na postawie równania (8) prognozuje się za pomocą wykłanika Lapunowa λ max kolejną wartość szeregu czasowego s N+. 8. Należy zmienić wymiar zanurzenia i przejść o kroku 2. Ze wzoru (8) wynika, że znając oległość pomięzy wektorami s N i s min oraz wykłanik Lapunowa λ max, można wyznaczyć oległość mięzy ich następnikami, czyli wektorami s N + i s min+. Oległość ta nie zależy o znaku wykłanika λ max, tzn. jest niezależna o tego czy ukła jest lokalnie chaotyczny, czy lokalnie stabilny. W związku z tym, że znane są również wszystkie oprócz pierwszej współrzęne wektora s N + = ( sn +, sn τ +,..., sn ( ) τ + ), można wyznaczyć wartość s N+. sn +, która znajuje się na przecięciu sfery o promieniu λ max Δ = Δ mine i o śroku w punkcie s N z prostą l przechozącą przez punkty postaci ( z, s N τ,..., s N ( ) τ + ), z R. W przestrzeni eukliesowej s N+ należy o zbioru wszystkich punktów z R, bęących miejscem zerowym wielomianu: 2 2 ( z s + ) + ( sn si ) sn ( ) τ + si ( ) 2 λ 2 max ( ) ( Δ e ) = 0 τ + i. () ˆ + Stą prognoza s N może przyjmować wie wartości: min + s ˆN + oraz s ˆN +, bęące opowienio przeszacowaną (LEM + ) i nieoszacowaną (LEM ) wartością rzeczywistego s N+ [Guégan, Leroux, 2009, s ]. 4. Reukcja szumu losowego W metozie NS reukcji szumu losowego, część eterministyczną (y t ) szeregu czasowego buuje się na postawie najbliższych sąsiaów (w sensie metryki eukliesowej -wymiarowej) wektorów s t zrekonstruowanej przestrzeni stanów ukłau ynamicznego opisanego szeregiem (s t ). Algorytm wyznaczania wartości y n, < n < N szeregu czasowego (s, s 2,, s N ) metoą najbliższych sąsiaów jest następujący:. Dla oszacowanego wymiaru zanurzenia oraz opóźnienia czasowego τ = stworzono wektor opóźnień postaci: s t = s t,s t+,,s t+(-), (2) tak aby filtrowana obserwacja s n była jeną ze śrokowych współrzęnych wektora s t.
7 88 Monika Miśkiewicz-Nawrocka 2. Wyznaczono k najbliższych sąsiaów (w sensie oległości eukliesowej) wektora s t, postaci: s l(), sl( 2),..., sl( k ). Często spotykanym w literaturze postulatem jest, aby liczba najbliższych sąsiaów spełniała warunek 2( + ) k < N ( )τ [Casagli, 989, s. 340; Cao, Sofio, 999, s. 425]. 3. Na postawie wyznaczonych sąsiaów obliczono wartość y n jako śrenią arytmetyczną pierwszych współrzęnych najbliższych sąsiaów: 4. Baania empiryczne y = k n s l k i= () i. (3) Przemiotem baania były logarytmy ziennych stóp zwrotu kursów: franka szwajcarskiego (CHF), euro (EUR), funta brytyjskiego (GBP), jena japońskiego (JPY), olara amerykańskiego (USD), wobec złotego; cen: Dębicy (DBC), ING Banku Śląskiego (BSK), LPP SA (LPP), Mostostalu Zabrze (MSZ), Vistuli (VS); oraz ineksów giełowych: WIG i WIG20, postaci: gzie: s t obserwacja szeregu. x t = ln s t ln s t, (4) Doatkowo baaniu poano szeregi reszt, które powstały z baanych szeregów przefiltrowanych moelami ARMA. Do oszacowania parametrów moeli ARMA oraz o wyznaczenia parametrów szeregów reszt wykorzystano program GREL. Przy wyborze opowieniego moelu ARMA kierowano się istotnością oszacowanych parametrów oraz kryterium Schwarza. Szeregi reszt oznaczono symbolem NazwaSzeregu_. Następnie szeregi reszt poano proceurze reukcji szumu losowego metoą najbliższych sąsiaów. Uzyskane w ten sposób szeregi oznaczono NazwaSzeregu_2. Wartość największego wykłanika Lapunowa la analizowanych szeregów oszacowano na postawie zależności (6) w zrekonstruowanej przestrzeni stanów. Parametry -historii, tj. opóźnienie czasowe i minimalny wymiar zanurzenia, oszacowano za pomocą funkcji autokorelacji ACF oraz metoy pozornych fałszywych sąsiaów. Obliczenia wykonano przy użyciu programu napisanego przez autora. W obliczeniach przyjęto liczbę najbliższych sąsiaów k =. W tabeli przestawiono wyniki szacowania największego wykłanika Lapunowa.
8 WPŁYW REDUKCJI SZUMU LOSOWEGO 89 Wyniki szacowania największego wykłanika Lapunowa la analizowanych szeregów abela Szereg Równanie regresji λ max Szereg Równanie regresji λ max BSK y = 0,0074x 4,059 y = 0,0028x 3,8968 R 2 0,0074 LPP = 0,477 R 2 = 0,25 (0,0028) BSK_ y = 0,002x 4,0364 y = 0,009x 3,834 R 2 0,002 LPP_ = 0,327 R 2 = 0,4022 0,009 BSK_2 y = 0,0023x 4,9233 y = 0,007x 5,4842 R 2 0,0023 LPP_2 = 0,444 R 2 = 0,3929 0,007 CHF y = 0,004x 4,8925 y = 0,0022x 3,5262 R 2 0,004 MSZ = 0,533 R 2 = 0,297 (0,0022) CHF_ y = 0,0008x 4,089 y = 0,00x 3,4639 R 2 0,0008 MSZ_ = 0,4689 R 2 = 0,4605 0,00 CHF_2 y = 0,0029x 6,558 y = 0,0009x 5,785 R 2 0,0029 MSZ_2 = 0,6646 R 2 = 0,344 (0,0009) DBC y = 0,002x 4,093 y = 0,003x 4,605 R 2 0,002 USD = 0,594 R 2 = 0,4525 0,003 DBC_ y = 0,0034x 4,0988 y = 0,0008x 4,6068 R 2 0,0034 USD_ = 0,7244 R 2 = 0,493 0,0008 DBC_2 y = 0,005x 6,2532 y = 0,0007x 6,2377 R 2 0,005 USD_2 = 0,4394 R 2 = 0,0643 EUR y = 0,0028x 5,345 y = 0,0025x 3,5699 R 2 0,0028 VS = 0,53 R 2 = 0,2798 0,0025 EUR_ y = 0,00x 5,567 y = 0,002x 3,5992 R 2 0,00 VS_ = 0,6004 R 2 = 0,577 0,002 EUR_2 y = 0,0002x 6,9627 y = 0,0063x 5,3806 R 2 VS_2 = 0,006 R 2 = 0,3563 0,0063 GBP y = 0,0009x 4,8483 y = 0,0023x 4,332 R 2 0,0009 WIG = 0,23 R 2 = 0,6634 0,0023 GBP_ y = 0,00x 4,8536 y = 0,00x 4,35 R 2 0,00 WIG_ = 0,6404 R 2 = 0,5345 0,00 GBP_2 y = 0,0043x 6,7553 y = 0,0002x 5,9989 R 2 0,0043 WIG_2 = 0,6284 R 2 = 0,6899 0,0002 JPY y = 0,00x 4,5883 y = 0,002x 4,253 R 2 0,00 WIG20 = 0,48 R 2 = 0,3335 0,002 JPY_ y = 0,005x 4,5798 y = 0,0008x 4,587 R 2 0,005 WIG20_ = 0,6678 R 2 = 0,876 (0,0008) JPY_2 y = 0,0005x 6,722 y = 0,008x 6,0239 R 2 (0,0005) WIG20_2 = 0,2833 R 2 = 0,3937 0,008 Na postawie anych zamieszczonych w tabeli można stwierzić wpływ filtrowania, a w szczególności reukcji szumu losowego, na wartość największego wykłanika Lapunowa. Dla szeregów CHF, GBP, DBC, LPP, VS, WIG20 po reukcji szumu wartość wykłanika Lapunowa wzrosła. Można zatem wnioskować, że poziom chaosu (choć naal niewielki) w baanych szeregach zwiększył się. Po przefiltrowaniu metoą najbliższych sąsiaów szeregów EUR i USD ustalenie wartości λ max, stało się niemożliwe ze wzglęu na zbyt ni-
9 90 Monika Miśkiewicz-Nawrocka ski współczynnik R 2. Poobnie, la szeregów LPP, MSZ, MSZ_2 i WIG20_, oszacowany współczynnik regresji nie może być traktowany jako wartość największego wykłanika Lapunowa. Do wyznaczenia prognoz baanych szeregów czasowych zastosowano metoę LEM. Do oceny okłaności prognozy wykorzystano: bezwzglęny błą prognozy w momencie : śreni błą prognozy ex post: = x xˆ, (5) n h 2 σ =, (6) + x xˆ ) +( h t = n wzglęny błą prognozy: współczynnik hiela: σ σ =, (7) σ 2 hσ I, (8) 2 = n + h 2 x = n+ gzie: x rzeczywista wartość baanej zmiennej w momencie, xˆ prognoza wartości zmiennej w momencie, σ ochylenie stanarowe szeregu obserwacji, = n +,, n + h, h liczba naturalna oznaczająca oległość okresu prognozowanego o okresu bieżącego. W tabeli 2 przestawiono błęy t i σ t otrzymanych prognoz la baanych szeregów czasowych. W związku z tym, że la szeregów EUR_2 i USD_2 nie można było oszacować wartości największego wykłanika Lapunowa, szeregi te nie zostały poane proceurze prognozowania metoa LEM.
10 WPŁYW REDUKCJI SZUMU LOSOWEGO 9 Błęy otrzymanych prognoz la analizowanych szeregów abela 2 t BSK LEM"+" t 0,0734 0,0598 0,052 0,0577 0,0275 0,80 0,0720 0,0799 0,0755 0,05 σ 0,0734 0,0670 0,0622 0,06 0,0560 0,0703 0,0705 0,077 0,0722 0,076 BSK LEM" " t 0,207 0,0646 0,074 0,034 0,0420 0,0927 0,066 0,0640 0,097 0,0902 σ 0,207 0,0969 0,005 0,0887 0,085 0,0835 0,0807 0,0788 0,0803 0,084 BSK_ LEM"+" t 0,0273 0,0050 0,0284 0,0393 0,0365 0,075 0,0263 0,0383 0,0568 0,088 σ 0,0273 0,097 0,0230 0,0280 0,0299 0,0282 0,0279 0,0294 0,0336 0,040 BSK_ LEM" " t 0,0353 0,0469 0,050 0,0069 0,0454 0,0063 0,09 0,075 0,0296 0,0362 σ 0,0353 0,045 0,0446 0,0387 0,0402 0,0368 0,0343 0,0327 0,0324 0,0328 BSK_2 LEM"+" t 0,0354 0,0069 0,0205 0,0486 0,0464 0,0282 0,0387 0,078 0,092 0,0079 σ 0,0354 0,0255 0,0240 0,0320 0,0353 0,0342 0,0349 0,0333 0,0320 0,0305 BSK_2 LEM" " t 0,033 0,0085 0,044 0,0483 0,030 0,049 0,0362 0,0253 0,0258 0,0236 σ 0,033 0,02 0,024 0,0264 0,0272 0,0256 0,0273 0,027 0,0270 0,0266 CHF LEM"+" t 0,0446 0,0406 0,07 0,049 0,0384 0,0387 0,0276 0,027 0,0426 0,0328 σ 0,0446 0,0427 0,0362 0,0323 0,0336 0,0345 0,0336 0,0328 0,034 0,0339 CHF LEM" " t 0,0493 0,0305 0,028 0,020 0,085 0,0432 0,0570 0,023 0,0287 0,0456 σ 0,0493 0,040 0,0372 0,0338 0,033 0,0336 0,0378 0,0363 0,0356 0,0367 CHF_ LEM"+" t 0,0003 0,0046 0,0039 0,0003 0,0078 0,0046 0,0039 0,03 0,073 0,040 σ 0,0003 0,0033 0,0035 0,0030 0,0044 0,0044 0,0044 0,0062 0,0082 0,0089 CHF_ LEM" " t 0,000 0,020 0,0053 0,0093 0,0033 0,065 0,0079 0,066 0,045 0,086 σ 0,000 0,0085 0,0076 0,008 0,0074 0,0095 0,0093 0,005 0,00 0,020 CHF_2 LEM"+" t 0,0020 0,0062 0,0004 0,004 0,007 0,0050 0,002 0,0055 0,003 0,0045 σ 0,0020 0,0046 0,0038 0,0039 0,0036 0,0038 0,0036 0,0039 0,0038 0,0039 CHF_2 LEM" " t 0,0004 0,0022 0,0035 0,0002 0,0044 0,004 0,0050 0,005 0,0006 0,00 σ 0,0004 0,006 0,0024 0,002 0,0027 0,0025 0,0030 0,0029 0,0027 0,0026 EUR LEM"+" t 0,064 0,033 0,0244 0,0250 0,0206 0,009 0,043 0,0304 0,037 0,0224 σ 0,064 0,049 0,086 0,0204 0,0205 0,090 0,084 0,0203 0,097 0,0200 EUR LEM" " t 0,008 0,052 0,0279 0,020 0,0236 0,063 0,095 0,052 0,057 0,0296 σ 0,008 0,032 0,094 0,098 0,0206 0,0200 0,099 0,094 0,090 0,0203 EUR_ LEM"+" t 0,063 0,029 0,0232 0,0238 0,089 0,0077 0,03 0,0307 0,028 0,0235 σ 0,063 0,047 0,080 0,096 0,094 0,080 0,074 0,096 0,089 0,094
11 92 Monika Miśkiewicz-Nawrocka c. tabeli 2 t EUR_ LEM" " t 0,03 0,060 0,0270 0,0200 0,0226 0,049 0,082 0,058 0,062 0,0304 σ 0,03 0,039 0,093 0,095 0,020 0,094 0,092 0,088 0,085 0,0200 GBP LEM"+" t 0,0394 0,0060 0,008 0,0264 0,0202 0,0028 0,002 0,034 0,035 0,006 σ 0,0394 0,0282 0,0235 0,0242 0,0235 0,025 0,099 0,027 0,0230 0,028 GBP LEM" " t 0,0296 0,067 0,0272 0,026 0,0044 0,048 0,0394 0,0389 0,0009 0,0283 σ 0,0296 0,024 0,025 0,0254 0,0228 0,027 0,0250 0,027 0,0256 0,0259 GBP_ LEM"+" t 0,059 0,006 0,0053 0,0028 0,0093 0,0060 0,07 0,07 0,007 0,0255 σ 0,059 0,020 0,003 0,0090 0,009 0,0086 0,009 0,0095 0,0092 0,09 GBP_ LEM" " t 0,003 0,062 0,074 0,0046 0,003 0,07 0,023 0,0 0,0277 0,047 σ 0,003 0,06 0,038 0,022 0,00 0,0 0,03 0,03 0,04 0,04 GBP_2 LEM"+" t 0,0033 0,00 0,0009 0,0009 0,0003 0,004 0,004 0,0034 0,008 0,0076 σ 0,0033 0,0024 0,002 0,008 0,007 0,0023 0,0022 0,0023 0,0035 0,004 GBP_2 LEM" " t 0,0009 0,000 0,0007 0,0027 0,000 0,0006 0,0057 0,0025 0,0009 0,0037 σ 0,0009 0,0006 0,0006 0,005 0,004 0,003 0,0025 0,0025 0,0024 0,0025 JPY LEM"+" t 0,0389 0,0260 0,0434 0,0239 0,036 0,0237 0,032 0,047 0,079 0,044 σ 0,0389 0,033 0,0369 0,034 0,0336 0,0322 0,0320 0,0304 0,0293 0,0282 JPY LEM" " t 0,037 0,002 0,0337 0,0364 0,0682 0,075 0,0602 0,0037 0,073 0,0406 σ 0,037 0,0235 0,0273 0,0299 0,0405 0,0377 0,047 0,0390 0,0372 0,0376 JPY_ LEM"+" t 0,0245 0,028 0,0570 0,0597 0,0566 0,035 0,0636 0,0703 0,0569 0,0002 σ 0,0245 0,095 0,0366 0,0435 0,0464 0,0427 0,0463 0,0499 0,0507 0,048 JPY_ LEM" " t 0,0274 0,03 0,0260 0,0643 0,0206 0,0638 0,0437 0,0573 0,055 0,055 σ 0,0274 0,0293 0,0283 0,0404 0,0373 0,0429 0,0430 0,0450 0,0462 0,044 JPY_2 LEM"+" t 0,0097 0,0085 0,0074 0,0055 0,0053 0,0057 0,0077 0,0083 0,0062 0,0022 σ 0,0097 0,009 0,0086 0,0079 0,0075 0,0072 0,0073 0,0074 0,0073 0,0069 JPY_2 LEM" " t 0,0075 0,0045 0,0065 0,0088 0,0045 0,0082 0,0058 0,0066 0,0084 0,0000 σ 0,0075 0,0062 0,0063 0,0070 0,0066 0,0069 0,0067 0,0067 0,0069 0,0066 USD LEM"+" t 0,0604 0,023 0,055 0,093 0,0648 0,003 0,0272 0,0039 0,0375 0,0080 σ 0,0604 0,0436 0,0477 0,0424 0,0478 0,0436 0,047 0,0390 0,0388 0,0369 USD LEM" " t 0,0226 0,093 0,0277 0,028 0,066 0,0380 0,0556 0,077 0,0299 0,03 σ 0,0226 0,020 0,0234 0,023 0,029 0,0253 0,035 0,030 0,030 0,0288 USD_ LEM"+" t 0,0204 0,0320 0,05 0,0023 0,0292 0,0364 0,0325 0,03 0,0487 0,073 σ 0,0204 0,0269 0,0236 0,0205 0,0225 0,0253 0,0265 0,0252 0,0288 0,0278
12 WPŁYW REDUKCJI SZUMU LOSOWEGO 93 c. tabeli 2 t USD_ LEM" " t 0,044 0,0025 0,0338 0,0070 0,030 0,0042 0,0062 0,0230 0,05 0,075 σ 0,044 0,0293 0,0309 0,0270 0,0278 0,0255 0,0237 0,0236 0,0226 0,022 DBC LEM"+" t 0,093 0,0450 0,33 0,4 0,297 0,0905 0,0324 0,0783 0,0857 0,32 σ 0,093 0,0835 0,020 0,30 0,66 0,26 0,050 0,020 0,004 0,07 DBC LEM" " t 0,0552 0,28 0,58 0,54 0,0766 0,023 0,005 0,0907 0,067 0,302 σ 0,0552 0,0888 0,0986 0,03 0,0984 0,0990 0,097 0,096 0,0892 0,094 DBC_ LEM"+" t 0,03 0,0877 0,0630 0,054 0,0436 0,0809 0,0922 0,0302 0,0866 0,082 σ 0,03 0,0957 0,0862 0,0794 0,0737 0,0749 0,0776 0,0734 0,0750 0,074 DBC_ LEM" " t 0,0853 0,0885 0,0073 0,096 0,033 0,2 0,0880 0,0300 0,063 0,0783 σ 0,0853 0,0869 0,07 0,078 0,074 0,0794 0,0807 0,0762 0,0749 0,0752 DBC_2 LEM"+" t 0,046 0,0 0,027 0,009 0,0029 0,0209 0,0074 0,0066 0,0095 0,0079 σ 0,046 0,030 0,029 0,024 0,02 0,033 0,026 0,020 0,08 0,05 DBC_2 LEM" " t 0,03 0,005 0,0052 0,0077 0,0008 0,0052 0,047 0,05 0,009 0,0027 σ 0,03 0,009 0,0094 0,0090 0,008 0,0077 0,0090 0,0093 0,0093 0,0089 LPP LEM"+" t 0,0736 0,335 0,0552 0,795 0,0832 0,26 0,0960 0,240 0,249 0,06 σ 0,0736 0,078 0,0936 0,209 0,44 0,56 0,30 0,44 0,56 0,4 LPP LEM" " t 0,65 0,048 0,0226 0,0487 0,202 0,03 0,232 0,0977 0,58 0,082 σ 0,65 0,36 0,9 0,0999 0,043 0,053 0,08 0,068 0,079 0,079 LPP_ LEM"+" t 0,080 0,0338 0,033 0,0664 0,0856 0,0375 0,057 0,27 0,0926 0,0508 σ 0,080 0,065 0,0780 0,0752 0,0774 0,0723 0,0703 0,0797 0,082 0,0787 LPP_ LEM" " t 0,208 0,058 0,0984 0,0346 0,63 0,0884 0,384 0,0290 0,026 0,090 σ 0,208 0,0862 0,0905 0,0802 0,0886 0,0886 0,0973 0,096 0,0928 0,0946 LPP_2 LEM"+" t 0,062 0,0026 0,025 0,008 0,0076 0,0044 0,005 0,073 0,065 0,0053 σ 0,062 0,06 0,09 0,0 0,005 0,0097 0,0092 0,006 0,04 0,009 LPP_2 LEM" " t 0,027 0,0048 0,065 0,0003 0,026 0,0085 0,0249 0,0056 0,034 0,074 σ 0,027 0,0096 0,023 0,007 0,036 0,029 0,052 0,043 0,042 0,046 MSZ LEM"+" t 0,085 0,0980 0,0423 0,0942 0,0735 0,0306 0,0973 0,0723 0,0937 0,007 σ 0,085 0,097 0,0788 0,0829 0,08 0,075 0,0786 0,0779 0,0798 0,082 MSZ LEM" " t 0,0373 0,0980 0,93 0,0622 0,0409 0,042 0,0970 0,0884 0,0599 0,0 σ 0,0373 0,074 0,097 0,0853 0,0784 0,078 0,0759 0,0776 0,0759 0,0787 MSZ_ LEM"+" t 0,330 0,447 0,065 0,0778 0,0324 0,439 0,6 0,646 0,0767 0,0076 σ 0,330 0,390 0,29 0,83 0,068 0,39 0,42 0,26 0,75 0,5
13 94 Monika Miśkiewicz-Nawrocka c. tabeli 2 t MSZ_ LEM" " t 0,546 0,0864 0,826 0,0449 0,0004 0,402 0,304 0,058 0,0650 0,0360 σ 0,546 0,252 0,469 0,292 0,55 0,200 0,25 0,97 0,49 0,096 MSZ_2 LEM"+" t 0,035 0,070 0,0028 0,00 0,0046 0,0243 0,050 0,097 0,007 0,057 σ 0,035 0,054 0,026 0,02 0,00 0,04 0,042 0,050 0,046 0,047 MSZ_2 LEM" " t 0,0377 0,0257 0,0247 0,0326 0,0084 0,0276 0,08 0,004 0,032 0,084 σ 0,0377 0,0323 0,0300 0,0306 0,0277 0,0276 0,0260 0,0243 0,0252 0,0246 VS LEM"+" t 0,0749 0,0549 0,0458 0,073 0,0470 0,0988 0,0939 0,0599 0,054 0,0886 σ 0,0749 0,0657 0,0598 0,0629 0,060 0,068 0,0723 0,0709 0,0690 0,072 VS LEM" " t 0,084 0,0272 0,0409 0,0994 0,0470 0,0270 0,0788 0,0378 0,27 0,0793 σ 0,084 0,0790 0,0687 0,0775 0,0724 0,0670 0,0688 0,0658 0,075 0,0755 VS_ LEM"+" t 0,00 0,004 0,0974 0,0427 0,063 0,398 0,0707 0,20 0,033 0,0886 σ 0,00 0,002 0,0993 0,0886 0,0924 0,09 0,0980 0,0999 0,0948 0,0942 VS_ LEM" " t 0,645 0,284 0,0573 0,0407 0,38 0,0693 0,0072 0,56 0,202 0,0822 σ 0,645 0,476 0,249 0,0 0,62 0,098 0,07 0,00 0,236 0,20 VS_2 LEM"+" t 0,0249 0,053 0,009 0,067 0,0044 0,0078 0,0078 0,0084 0,045 0,0045 σ 0,0249 0,0207 0,077 0,075 0,057 0,047 0,039 0,034 0,035 0,029 VS_2 LEM" " t 0,0095 0,0222 0,006 0,0047 0,0244 0,0235 0,0059 0,0279 0,0252 0,089 σ 0,0095 0,07 0,052 0,034 0,062 0,076 0,065 0,083 0,092 0,092 WIG LEM"+" t 0,0562 0,0564 0,0770 0,0766 0,056 0,066 0,0600 0,054 0,0425 0,042 σ 0,0562 0,0563 0,0640 0,0674 0,0653 0,0654 0,0647 0,0632 0,062 0,0596 WIG LEM" " t 0,0833 0,0489 0,029 0,044 0,0372 0,0338 0,080 0,0466 0,068 0,0683 σ 0,0833 0,0683 0,0582 0,0545 0,055 0,0490 0,0547 0,0538 0,0556 0,0570 WIG_ LEM"+" t 0,056 0,0202 0,0043 0,030 0,0298 0,0443 0,096 0,0293 0,0357 0,0288 σ 0,056 0,080 0,049 0,098 0,0222 0,027 0,0262 0,0266 0,0278 0,0279 WIG_ LEM" " t 0,047 0,0053 0,0544 0,0004 0,0267 0,006 0,0369 0,079 0,020 0,043 σ 0,047 0,0297 0,0397 0,0344 0,0330 0,030 0,032 0,0298 0,0290 0,0279 WIG_2 LEM"+" t 0,000 0,008 0,004 0,0093 0,0050 0,0029 0,0074 0,003 0,0053 0,0085 σ 0,000 0,0072 0,0084 0,0086 0,0080 0,0074 0,0074 0,0070 0,0069 0,0070 WIG_2 LEM" " t 0,0070 0,0038 0,0069 0,009 0,0084 0,0062 0,0065 0,0046 0,0083 0,0006 σ 0,0070 0,0057 0,006 0,0054 0,006 0,006 0,0062 0,0060 0,0063 0,0060 WIG20 LEM"+" t 0,027 0,034 0,020 0,0070 0,053 0,0499 0,033 0,0042 0,0366 0,0203 σ 0,027 0,080 0,063 0,045 0,047 0,0244 0,0255 0,0239 0,0256 0,025
14 WPŁYW REDUKCJI SZUMU LOSOWEGO 95 c. tabeli 2 t WIG20 LEM" " t 0,040 0,0047 0,035 0,0024 0,0463 0,00 0,038 0,096 0,0239 0,07 σ 0,0400 0,0292 0,025 0,027 0,0284 0,0259 0,0246 0,0240 0,0240 0,023 WIG20 LEM"+" t 0,0508 0,0589 0,039 0,0736 0,0362 0,0766 0,0355 0,0498 0,0455 0,052 σ 0,0508 0,0550 0,0502 0,0570 0,0535 0,0580 0,0553 0,0547 0,0537 0,0536 WIG20 LEM" " t 0,08 0,0489 0,0305 0,049 0,0397 0,0294 0,0842 0,0457 0,0627 0,0494 σ 0,08 0,0669 0,0574 0,0540 0,054 0,0484 0,0550 0,0539 0,0550 0,0544 WIG20 LEM"+" t 0,074 0,0085 0,007 0,0002 0,0086 0,022 0,069 0,02 0,0205 0,00 σ 0,074 0,037 0,09 0,003 0,000 0,004 0,06 0,05 0,028 0,026 WIG20 LEM" " t 0,035 0,069 0,034 0,036 0,04 0,025 0,02 0,076 0,0098 0,007 σ 0,035 0,053 0,047 0,044 0,044 0,04 0,038 0,043 0,039 0,036 Analizując ane zawarte w tabeli 2 można stwierzić, że la przefiltrowanych szeregów czasowych metoą najbliższych sąsiaów okłaność prognoz znacznie się poprawiła. Świaczą o tym użo niższe wartości błęów t i σ. Przefiltrowanie szeregów moelami ARMA w większości przypaków też spowoowało zmniejszenie błęów wyznaczonych prognoz. W tabeli 3 przestawiono wartości błęów σ i I 2 w całym przeziale weryfikacji la h = 0. abela 3 Błęy oszacowanych prognoz w całym przeziale weryfikacji LEM"+" LEM" " Szereg BSK BSK_ BSK_2 BSK BSK_ BSK_2 σ 3,7624 2,0356 3,5907 4,0236,6255 3,395 I 2 39,0208,94 64,246 44,6277 7,362 49,0232 Szereg CHF CHF_ CHF_2 CHF CHF_ CHF_2 σ 3,7669 0,9985 2,8544 4,0706,3387,9053 I 2 70,807 4,8945 8,5426 8,9537 8,7979 3,8060 Szereg DBC DBC_ DBC_2 DBC DBC_ DBC_2 σ 5,284 3,7262 5,8703 4,8860 3,9282 4,5523 I 2 42, ,449 23, ,9824 3,2795 4,3930 Szereg EUR EUR_ EUR_2 EUR EUR_ EUR_2 σ 2,9462 2,8763 2,9939 2,9643 I 2 25, , , ,55 Szereg GBP GBP_ GBP_2 GBP GBP_ GBP_2 σ 2,6097,4286 3,6255 3,0950,6943 2,2337 I 2 4,4494 4,382 0, ,3234 6,637 4,674
15 96 Monika Miśkiewicz-Nawrocka c. tabeli Szereg JPY JPY_ JPY_2 JPY JPY_ JPY_2 σ 2,2379 3,8340 5,4232 2,9857 3,557 5,333 I 2 0,7782 3,673 23,0972 9,849 26, ,6940 Szereg LPP LPP_ LPP_2 LPP LPP_ LPP_2 σ 4,9060 3,476 2,7385 4,753 4,76 3,6589 I 2 20,778 0,080 8,8826 8,9254 4,4653 5,8568 Szereg MSZ MSZ_ MSZ_2 MSZ MSZ_ MSZ_2 σ 2,4086 3,3030 2,6979 2,3099 3,2466 4,5026 I 2 9, ,5732 9,3809 7, , ,282 Szereg USD USD_ USD_2 USD USD_ USD_2 σ 3,4346 2,5969 2,688 2,0639 I 2 26,8553 6,47 6,3723 4,0530 Szereg VS VS_ VS_2 VS VS_ VS_2 σ 2,2836 3,0554 2,7537 2,428 3,8972 4,0948 I 2 6,8404 0,540 4,0823 7,6934 7,497 9,0269 Szereg WIG WIG_ WIG_2 WIG WIG_ WIG_2 σ 4,2494,999 2,9440 4,0635,999 2,4955 I 2 56,3558,0287 8,4273 5,5320,0283 6,0553 Szereg WIG20 WIG20_ WIG20_2 WIG20 WIG20_ WIG20_2 σ,566 3,2440 5,373,395 3,296 5,5535 I 2 7, ,673 4,7888 6,329 36,3054 7,2823 Na postawie anych zawartych w tabeli 3 można stwierzić, że w wielu przypakach błęy prognoz w całym przeziale weryfikacji la szeregów przefiltrowanych metoą najbliższych sąsiaów są mniejsze niż błęy prognoz otrzymane la szeregów prze filtracją. Dla szeregów JPY, MSZ, WIG20 okłaniejsze prognozy otrzymano la szeregów nieprzefiltrowanych. Może to być spowoowane faktem, że oszacowane wykłaniki Lapunowa la tych szeregów charakteryzowały się niskim współczynnikiem R 2 i nie powinny być brane po uwagę. Wyjątek stanowi szereg BSK. Przefiltrowane baanych szeregów czasowych, tylko za pomocą moeli ARMA, w wielu przypakach pozwoliło uzyskać okłaniejsze prognozy. Posumowanie W pracy zbaano wpływ reukcji szumu metoą najbliższych sąsiaów na okłaność prognoz ekonomicznych szeregów czasowych, otrzymanych za pomocą największego wykłanika Lapunowa. Celem artykułu było porównanie błęów prognoz la szeregów prze i po reukcji szumu oraz szeregów przefiltrowanych moelami ARMA.
16 WPŁYW REDUKCJI SZUMU LOSOWEGO 97 Na postawie otrzymanych wyników można stwierzić, że reukcja szumu losowego w baanych szeregach czasowych pozwoliła uzyskać okłaniejsze prognozy. Ponato, w wielu przypakach przefiltrowanie baanych szeregów tylko za pomocą moeli ARMA również spowoowało znaczne zmniejszenie błęów uzyskanych prognoz. Literatura Cao L., Soofi A. (999): Nonlinear Deterministic Forecasting of Daily Dollar Exchange Rates. International Journal of Forecasting, Vol. 5, s Casagli M. (989): Nonlinear Preiction of Chaotic ime Series. Physica D, Vol. 53, s Eckmann J.P., Ruelle D. (985): Ergoic heory of Chaos an Strange Attractors. Reviews of Moern Physics, Vol. 57, No. 3. Guégan D., Leroux J. (2009): Forecasting Chaotic Systems: he Role of Local Lyapunov Exponents. Chaos, Solitons & Fractals, Vol. 4, s Kantz H. (994): A Robust Metho to Estimate the Maximal Lyapunov Exponent of a ime Series. Physical Letters A, Vol. 85(), s Kantz H., Schreiber. (2004): Nonlinear ime Series Analysis. Cambrige University Press, Cambrige. Kennel M.B., Brown R., Abarbanel H.D.I. (992): Detecting Embeing Dimension for Phase Space Reconstruction Using a Geometrical Construction. Physical Review A, 45. Lorenz E.N. (969): Atmospheric Preictability as Reveale by Naturally Occurring Analogues. J. Atmos. Sci., 26, s Miśkiewicz-Nawrocka M. (202): Zastosowanie wykłaników Lapunowa o analizy ekonomicznych szeregów czasowych. Wyawnictwo Uniwersytetu Ekonomicznego, Katowice. Nowiński M. (2007): Nieliniowa ynamika szeregów czasowych. Wyawnictwo Akaemii Ekonomicznej, Wrocław. Oseleec V.I. (968): A Mulitiplicative Ergoic heorem. Lyapunov Characteristic Numbers for Dynamical System. rans. Moscow Math. Soc., 9, s Packar N.H., Crutchfiel J.P., Farmer J.D., Shaw R.S. (980): Geometry from a ime Series. Physical Review Letters, Vol. 45, s Rosenstein M.., Collins J.J. et al. (993): A Practical Metho for Calculating Largest Lyapunov Exponents from Small Data Sets. Physica D, Vol. 65, s akens (98): Detecting Strange Atractors in urbulance. W: Lecture Notes in Mathematics. Es. D.A. Ran, L.S. Young. Springer Verlag, Berlin.
17 98 Monika Miśkiewicz-Nawrocka Zawazki H. (996): Chaotyczne systemy ynamiczne. Elementy teorii i wybrane zaganienia ekonomiczne. Wyawnictwo Akaemii Ekonomicznej, Katowice. Zhang J., Lam K.C., Yan W.J., Gao H., Li Y., (2004): ime Series Preiction using Lyapunov Exponents in Embeing Phase Space. Computers an Electrical Engineering 30, s. -5. HE EFFEC OF HE REDUCION RANDOM NOISE BY HE MEHOD OF NEARES NEIGHBORS ON FORECASING RESULS OBAINED USING HE LARGES LYAPUNOV EXPONEN Summary In this paper has been researche the effect of ranom noise reuction on the accuracy of forecasts of economic time series obtaine using the largest Lyapunov exponent metho (LEM). he aim of the article was to compare the preiction errors obtaine by LEM for the series before an after the ranom noice reuction an the time series filtre by moels ARMA. he nearest neighbors metho was use to reuce ranom noise in economic time series.
ZASTOSOWANIE WYKŁADNIKÓW LAPUNOWA DO WERYFIKACJI HIPOTEZY RYNKU KOHERENTNEGO
Monika Miśkiewicz-Nawrocka Uniwersytet Ekonomiczny w Katowicach ZASTOSOWANIE WYKŁADNIKÓW LAPUNOWA DO WERYFIKACJI HIPOTEZY RYNKU KOHERENTNEGO Wstęp Prowadzone od wielu lat badania nad zmiennością cen na
Bardziej szczegółowoREKONSTRUKCJA PRZESTRZENI STANÓW - ROZKŁAD WARTOŚCI OSOBLIWYCH
Katarzyna Zeug REKONSTRUKCJA PRZESTRZENI STANÓW - ROZKŁAD WARTOŚCI OSOBLIWYCH Wstęp Jednym z narządzi matematycznych potrzebnych do opisu szeregów czasowych jest metoda rekonstrukcji. Umożliwia ona rekonstrukcją
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 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 szczegółowoZastosowanie wykładników Lapunowa do badania stabilności sieci elektroenergetycznej
Zastosowanie wykładników Lapunowa do badania stabilności sieci elektroenergetycznej dr inż. Olgierd Małyszko Katedra Elektroenergetyki i Napędów Elektrycznych, Wydział Elektryczny Zachodniopomorski Uniwersytet
Bardziej szczegółowoWYKŁADNIKI LAPUNOWA A BŁĄD PROGNOZY
Monika Miśkiewicz WYKŁADNIKI LAPUNOWA A BŁĄD PROGNOZY Wstęp Dokładność wyznaczonej prognozy zależy od własności zbioru danych, takich jak liczba obserwacji N, poziom szumu S czy czas ekstrapolacji T. Błędy
Bardziej szczegółowo1 Metody rozwiązywania równań nieliniowych. Postawienie problemu
1 Metody rozwiązywania równań nieliniowych. Postawienie problemu Dla danej funkcji ciągłej f znaleźć wartości x, dla których f(x) = 0. (1) 2 Przedział izolacji pierwiastka Będziemy zakładać, że równanie
Bardziej szczegółowoOCENA CHARAKTERU ZMIENNOŚCI POLSKIEGO RYNKU AKCJI
RUCH PRAWNICZY, EKONOMICZNY I SOCJOLOGICZNY Rok LXIII zeszyt 3 2001 MAŁGORZATA DOMAN OCENA CHARAKTERU ZMIENNOŚCI POLSKIEGO RYNKU AKCJI 1. WSTĘP Założenia dotyczące typu zmienności występującej na badanym
Bardziej szczegółowoANALIZA WŁAŚCIWOŚCI FRAKTALNYCH SZEREGÓW CZASOWYCH WYBRANYCH INDEKSÓW GIEŁDOWYCH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVII/3, 2016, s. 131 141 ANALIZA WŁAŚCIWOŚCI FRAKTALNYCH SZEREGÓW CZASOWYCH WYBRANYCH INDEKSÓW GIEŁDOWYCH Zuzanna Rzeszótko Zakład Analizy Matematycznej Uniwersytet
Bardziej szczegółowoMetrologia Techniczna
Zakła Metrologii i Baań Jakości Wrocław, nia Rok i kierunek stuiów Grupa (zień tygonia i gozina rozpoczęcia zajęć) Metrologia Techniczna Ćwiczenie... Imię i nazwisko Imię i nazwisko Imię i nazwisko Błęy
Bardziej szczegółowoWYBRANE ASPEKTY ANALIZY DANYCH POMIAROWYCH ZŁOŻONEGO SYSTEMU ENERGETYCZNEGO POD KĄTEM ZACHOWAŃ CHAOTYCZNYCH
Zeszyty Naukowe Akademii Morskiej w Gdyni Scientific Journal of Gdynia Maritime University Nr 3/28, 7 9 Złożony/submitted: 3.7.27 ISSN 245-2486 (online) Zaakceptowany/accepted: 6..27 ISSN 644-88 (printed)
Bardziej szczegółowoU L T R A ZAKŁAD BADAŃ MATERIAŁÓW
U L T R A ZAKŁAD BADAŃ MATERIAŁÓW Zał 1 instr Nr02/01 str. 53-621 Wrocław, Głogowska 4/55, tel/fax 071 3734188 52-404 Wrocław, Harcerska 42, tel. 071 3643652 www.ultrasonic.home.pl tel. kom. 0 601 710290
Bardziej szczegółowoROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH
Transport, studia I stopnia Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Często występującym, ważnym problemem obliczeniowym
Bardziej szczegółowoMODEL MATEMATYCZNY RUCHU GRANUL NAWOZU PO ZEJŚCIU Z TARCZY ROZSIEWAJĄCEJ
InŜynieria Rolnicza 6/006 Wojciech Przystupa Katera Zastosowań Matematyki Akaemia Rolnicza w Lublinie MODEL MATEMATYCZNY RUCHU GRANUL NAWOZU PO ZEJŚCIU Z TARCZY ROZSIEWAJĄCEJ Streszczenie W pracy zbaano
Bardziej szczegółowo1 Równania nieliniowe
1 Równania nieliniowe 1.1 Postać ogólna równania nieliniowego Często występującym, ważnym problemem obliczeniowym jest numeryczne poszukiwanie rozwiązań równań nieliniowych, np. algebraicznych (wielomiany),
Bardziej szczegółowoWprowadzenie Metoda bisekcji Metoda regula falsi Metoda siecznych Metoda stycznych RÓWNANIA NIELINIOWE
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Zazwyczaj nie można znaleźć
Bardziej szczegółowoEKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE
EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,
Bardziej szczegółowoWITOLD ORZESZKO WPŁYW REDUKCJI SZUMU LOSOWEGO METODĄ SCHREIBERA NA IDENTYFIKACJĘ SYSTEMU GENERUJĄCEGO DANE. ANALIZA SYMULACYJNA 1 1.
PRZEGLĄD STATYSTYCZNY R. LVIII ZESZYT 1-2 2011 WITOLD ORZESZKO WPŁYW REDUKCJI SZUMU LOSOWEGO METODĄ SCHREIBERA NA IDENTYFIKACJĘ SYSTEMU GENERUJĄCEGO DANE. ANALIZA SYMULACYJNA 1 1. WSTĘP Wszelkie rzeczywiste,
Bardziej szczegółowoMatematyka stosowana i metody numeryczne
Ewa Pabisek Adam Wosatko Piotr Pluciński Matematyka stosowana i metody numeryczne Konspekt z wykładu 6 Rozwiązywanie równań nieliniowych Rozwiązaniem lub pierwiastkiem równania f(x) = 0 lub g(x) = h(x)
Bardziej szczegółowoMetoda Johansena objaśnienia i przykłady
Metoda Johansena objaśnienia i przykłady Model wektorowej autoregresji rzędu p, VAR(p), ma postad gdzie oznacza wektor zmiennych endogenicznych modelu. Model VAR jest stabilny, jeżeli dla, tzn. wielomian
Bardziej szczegółowoUNIWESRYTET EKONOMICZNY WE WROCŁAWIU HOSSA ProCAPITAL WYCENA OPCJI. Sebastian Gajęcki WYDZIAŁ NAUK EKONOMICZNYCH
UNIWESRYTET EKONOMICZNY WE WROCŁAWIU HOSSA ProCAPITAL WYCENA OPCJI Sebastian Gajęcki WYDZIAŁ NAUK EKONOMICZNYCH WPROWADZENIE Opcje są instrumentem pochonym, zatem takim, którego cena zależy o ceny instrumentu
Bardziej szczegółowoOptymalizacja ciągła
Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej
Bardziej szczegółowoSIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
Bardziej szczegółowoChaotyczne generatory liczb pseudolosowych
Chaotyczne generatory liczb pseudolosowych Michał Krzemiński michalkrzeminski@wp.pl Politechnika Gdańska Wydział Fizyki Technicznej i Matematyki Stosowanej Chaotyczne generatory liczb pseudolosowych -
Bardziej szczegółowoWYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU CZASOWEGO ZWIĄZANEGO ZE SPRZEDAŻĄ ASORTYMENTU HUTNICZEGO
5/18 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 18 (1/2) ARCHIVES OF FOUNDRY Year 2006, Volume 6, N o 18 (1/2) PAN Katowice PL ISSN 1642-5308 WYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU
Bardziej szczegółowoWYKŁAD nr Ekstrema funkcji jednej zmiennej o ciągłych pochodnych. xˆ ( ) 0
WYKŁAD nr 4. Zaanie programowania nieliniowego ZP. Ekstrema unkcji jenej zmiennej o ciągłych pochonych Przypuśćmy ze punkt jest punktem stacjonarnym unkcji gzie punktem stacjonarnym nazywamy punkt la którego
Bardziej szczegółowoTEORIA CHAOSU. Autorzy: Szymon Sapkowski, Karolina Seweryn, Olaf Skrabacz, Kinga Szarkowska
TEORIA CHAOSU Autorzy: Szymon Sapkowski, Karolina Seweryn, Olaf Skrabacz, Kinga Szarkowska Wydział MiNI Politechnika Warszawska Rok akademicki 2015/2016 Semestr letni Krótki kurs historii matematyki DEFINICJA
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany
Bardziej szczegółowoMetody numeryczne I Równania nieliniowe
Metody numeryczne I Równania nieliniowe Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/66 Równania nieliniowe 1. Równania nieliniowe z pojedynczym pierwiastkiem
Bardziej szczegółowoRÓWNANIA NIELINIOWE Maciej Patan
RÓWNANIA NIELINIOWE Maciej Patan Uniwersytet Zielonogórski Przykład 1 Prędkość v spadającego spadochroniarza wyraża się zależnością v = mg ( 1 e c t) m c gdzie g = 9.81 m/s 2. Dla współczynnika oporu c
Bardziej szczegółowoMetody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1
Normy wektorów i macierzy (5.3.1) Niech 1 X =[x x Y y =[y1 x n], oznaczają wektory przestrzeni R n, a yn] niech oznacza liczbę rzeczywistą. Wyrażenie x i p 5.3.1.a X p = p n i =1 nosi nazwę p-tej normy
Bardziej szczegółowoPorównanie właściwości wybranych wektorowych regulatorów prądu w stanach dynamicznych w przekształtniku AC/DC
Piotr FALKOWSKI, Marian Roch DUBOWSKI Politechnika Białostocka, Wyział Elektryczny, Katera Energoelektroniki i Napęów Elektrycznych Porównanie właściwości wybranych wektorowych regulatorów prąu w stanach
Bardziej szczegółowoSzeregi czasowe, analiza zależności krótkoi długozasięgowych
Szeregi czasowe, analiza zależności krótkoi długozasięgowych Rafał Weron rweron@im.pwr.wroc.pl Definicje Mając dany proces {X t } autokowariancję definiujemy jako : γ(t, t ) = cov(x t, X t ) = = E[(X t
Bardziej szczegółowoWpływ zdarzeń ekstremalnych i superekstermalnych na stochastyczną dynamikę szeregów czasowych
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
Bardziej szczegółowoKADD Minimalizacja funkcji
Minimalizacja funkcji Poszukiwanie minimum funkcji Foma kwadratowa Metody przybliżania minimum minimalizacja Minimalizacja w n wymiarach Metody poszukiwania minimum Otaczanie minimum Podział obszaru zawierającego
Bardziej szczegółowoAtlas inwestycyjny wg stanu na Grzegorz Chłopek, CFA
Atlas inwestycyjny wg stanu na 31.03.2018 Grzegorz Chłopek, CFA Spis treści Struktura MSCI USA, EMU Japonia, UK Kanada, Szwajcaria Australia, Emerging Markets Polska Podsumowanie 2 MSCI ACWI - udziały
Bardziej szczegółowoAlgorytmy graficzne. Metody binaryzacji obrazów
Algorytmy graficzne Metoy binaryzacji obrazów Progowanie i binaryzacja Binaryzacja jest procesem konwersji obrazów kolorowych lub monochromatycznych (w ocieniach szarości) o obrazu wupoziomowego (binarnego).
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 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 szczegółowo2) R stosuje w obliczeniach wzór na logarytm potęgi oraz wzór na zamianę podstawy logarytmu.
ZAKRES ROZSZERZONY 1. Liczby rzeczywiste. Uczeń: 1) przedstawia liczby rzeczywiste w różnych postaciach (np. ułamka zwykłego, ułamka dziesiętnego okresowego, z użyciem symboli pierwiastków, potęg); 2)
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 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 szczegółowoROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ.
ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ. LICZBA TEMAT GODZIN LEKCYJNYCH Potęgi, pierwiastki i logarytmy (8 h) Potęgi 3 Pierwiastki 3 Potęgi o wykładnikach
Bardziej szczegółowoFunkcje dwóch zmiennych
Funkcje dwóch zmiennych Andrzej Musielak Str Funkcje dwóch zmiennych Wstęp Funkcja rzeczywista dwóch zmiennych to funkcja, której argumentem jest para liczb rzeczywistych, a wartością liczba rzeczywista.
Bardziej szczegółowoWybrane metody przybliżonego. wyznaczania rozwiązań (pierwiastków) równań nieliniowych
Wykład trzeci 1 Wybrane metody przybliżonego wyznaczania rozwiązań pierwiastków równań nieliniowych 2 Metody rozwiązywania równań nieliniowych = 0 jest unkcją rzeczywistą zmiennej rzeczywistej Rozwiązanie
Bardziej szczegółowoIX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,
IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy
Bardziej szczegółowoBadanie własności kursów efektywnych w perspektywie pytania o stabilność rynków walutowych
Badanie własności kursów efektywnych w perspektywie pytania o stabilność rynków walutowych VI Konferencja Naukowa Modelowanie i Prognozowanie Gospodarki Narodowej Sopot, maj 2015 streszczenie Efektywny
Bardziej szczegółowo2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Sprawdzanie założeń przyjętych o modelu (etap IIIC przyjętego schematu modelowania regresyjnego) 1. Szum 2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
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 szczegółowoInstrukcja do laboratorium Materiały budowlane Ćwiczenie 12 IIBZ ĆWICZENIE 12 METALE POMIAR TWARDOŚCI METALI SPOSOBEM BRINELLA
Instrukcja o laboratorium Materiały buowlane Ćwiczenie 1 ĆWICZENIE 1 METALE 1.1. POMIAR TWAROŚCI METALI SPOSOBEM BRINELLA Pomiar twarości sposobem Brinella polega na wciskaniu przez określony czas twarej
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCHY KOMPETENCJI EFEKTY KSZTAŁCENIA
I. KARTA PRZEDMIOTU. Nazwa przedmiotu: MATEMATYKA STOSOWANA 2. Kod przedmiotu: Ms 3. Jednostka prowadząca: Wydział Nawigacji i Uzbrojenia Okrętowego 4. Kierunek: Nawigacja 5. Specjalność: Nawigacja morska
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania SYSTEMY DYNAMICZNE
Politechnika Gańska Wyział Elektrotechniki i Automatyki Katera Inżynierii Systemów Sterowania SYSTEMY DYNAMICZNE Stabilność systemów ynamicznych Materiały pomocnicze o ćwiczeń Termin T7 Opracowanie: Kazimierz
Bardziej szczegółowoAnalityczne metody kinematyki mechanizmów
J Buśkiewicz Analityczne Metoy Kinematyki w Teorii Mechanizmów Analityczne metoy kinematyki mechanizmów Spis treści Współrzęne opisujące położenia ogniw pary kinematycznej Mechanizm korowo-wozikowy (crank-slier
Bardziej szczegółowoA C T A U N I V E R S I T A T I S L O D Z I E N S I S. W itold Orzesz ko*
A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOM ICA 177, 2004 W itold Orzesz ko* ZASTOSOW ANIE LOKALNEJ APROKSYMACJI W IELOM IANOW EJ DO PROGNOZOW ANIA CHAOTYCZNYCH SZEREG Ó W CZASOW
Bardziej szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Materiał dla studentów Niestacjonarne zmienne czasowe własności i testowanie (studium przypadku) Część 3: Przykłady testowania niestacjonarności Nazwa przedmiotu: ekonometria finansowa I (22204), analiza
Bardziej szczegółowoEfekt motyla i dziwne atraktory
O układzie Lorenza Wydział Matematyki i Informatyki Uniwersytet Mikołaja kopernika Toruń, 3 grudnia 2009 Spis treści 1 Wprowadzenie Wyjaśnienie pojęć 2 O dziwnych atraktorach 3 Wyjaśnienie pojęć Dowolny
Bardziej szczegółowoIII. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi
Bardziej szczegółowoLaboratorium 5 Przybliżone metody rozwiązywania równań nieliniowych
Uniwersytet Zielonogórski Wydział Informatyki, Elektrotechniki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych Elektrotechnika niestacjonarne-zaoczne pierwszego stopnia z tyt. inżyniera
Bardziej szczegółowoRozwiązywanie równań nieliniowych
Rozwiązywanie równań nieliniowych Marcin Orchel 1 Wstęp Przykłady wyznaczania miejsc zerowych funkcji f : f(ξ) = 0. Wyszukiwanie miejsc zerowych wielomianu n-tego stopnia. Wymiar tej przestrzeni wektorowej
Bardziej szczegółowo3. Interpolacja. Interpolacja w sensie Lagrange'a (3.1) Dana jest funkcja y= f x określona i ciągła w przedziale [a ;b], która
3. Interpolacja Interpolacja w sensie Lagrange'a (3.1) Dana jest funkcja y= f x określona i ciągła w przedziale [a ;b], która przyjmuje wartości y 1, y 2,, y n, dla skończonego zbioru argumentów x 1, x
Bardziej szczegółowoPodkowa Smale a jako klasyk chaosu
IV Matematyczne Warsztaty KaeNeMw p. 1/? Podkowa Smale a jako klasyk chaosu Justyna Signerska jussig@wp.pl Wydział Fizyki Technicznej i Matematyki Stosowanej, Politechnika Gdańska Konstrukcja odwzorowania
Bardziej szczegółowoOptyka 2. Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
Optka Projekt współinansowan przez Unię Europejską w ramach Europejskiego Funuszu Społecznego Optka II Promień świetln paając na powierzchnię zwierciała obija się zgonie z prawem obicia omówionm w poprzeniej
Bardziej szczegółowoMechanika kwantowa ćwiczenia, 2007/2008, Zestaw II
1 Dane są następujące operatory: ˆD = x, ˆQ = π 0 x, ŝin = sin( ), ĉos = cos( ), ˆπ = π, ˆ0 = 0, przy czym operatory ˆπ oraz ˆ0 są operatorami mnożenia przez opowienie liczby (a) Wyznacz kwarat oraz owrotność
Bardziej szczegółowoMATeMAtyka 3. Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony. Zakres podstawowy i rozszerzony
MATeMAtyka 3 Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych Zakres podstawowy i rozszerzony Zakres podstawowy i rozszerzony Wyróżnione zostały następujące wymagania programowe: konieczne
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 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 szczegółowoPrzedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych klasa druga zakres rozszerzony
Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych klasa druga zakres rozszerzony Wymagania konieczne (K) dotyczą zagadnień elementarnych, stanowiących swego rodzaju podstawę, zatem
Bardziej szczegółowoĆWICZENIE 41 WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA ZA POMOCĄ MIKROSKOPU. Kraków, luty 2004 - kwiecień 2015
Józef Zapłotny, Maria Nowotny-Różańska Zakła Fizyki, Uniwersytet Rolniczy Do użytku wewnętrznego ĆWICZENIE 41 WYZNACZANIE WSPÓŁCZYNNIKA ZAŁAMANIA ŚWIATŁA ZA POMOCĄ MIKROSKOPU Kraków, luty 2004 - kwiecień
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 szczegółowo3. FUNKCJA LINIOWA. gdzie ; ół,.
1 WYKŁAD 3 3. FUNKCJA LINIOWA FUNKCJĄ LINIOWĄ nazywamy funkcję typu : dla, gdzie ; ół,. Załóżmy na początek, że wyraz wolny. Wtedy mamy do czynienia z funkcją typu :.. Wykresem tej funkcji jest prosta
Bardziej szczegółowoO nauczaniu oceny niepewności standardowej
8 O nauczaniu oceny niepewności stanarowej Henryk Szyłowski Wyział Fizyki UAM, Poznań PROBLEM O lat 90. ubiegłego wieku istnieją mięzynaroowe normy oceny niepewności pomiarowych [, ], zawierające jenolitą
Bardziej szczegółowoRozwiązywanie równań różniczkowych
Rozwiązwanie równań różniczkowch. Równanie różniczkowe zwczajne. rzęu A. Metoa rkfie - zaimplementowana w Mathcazie metoa Rungego-Kutt. rzęu ze stałm krokiem całkowania: rkfie(,,ma, N, P) gzie: ma N P
Bardziej szczegółowoPomiary wymiarów kątowych i stożków
Wrocław, nia Metrologia Wielkości Geometrycznyc Ćwiczenie Rok i kierunek... Grupa (zień i gozina rozpoczęcia zajęć) Pomiary wymiarów kątowyc i stożków A. Pomiar ocyłki nacylenia. okonać pomiaru ocyłki
Bardziej szczegółowoNIELINIOWA ANALIZA DYNAMIKI POTOKU PONICZANKA NONLINEAR ANALYSIS OF THE PONICZANKA CREEK DYNAMICS
MARIOLA KĘDRA* NIELINIOWA ANALIZA DYNAMIKI POTOKU PONICZANKA NONLINEAR ANALYSIS OF THE PONICZANKA CREEK DYNAMICS Streszczenie Abstract W artykule przeprowadzono nieliniową analizę dynamiki górskiego potoku
Bardziej szczegółowoELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 24 czerwca 2019 roku
Egzamin pisemny zestaw. ( pkt.) Udowodnić, że jeśli funkcja g interpoluje funkcję f w węzłach x 0, x, K, x n, a funk- cja h interpoluje funkcję f w węzłach x, x, K, x n, to funkcja x0 x gx ( ) + [ gx (
Bardziej szczegółowoMetoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych
inż. Marek Duczkowski Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych słowa kluczowe: algorytm gradientowy, optymalizacja, określanie wodnicy W artykule
Bardziej szczegółowoAtlas inwestycyjny wg stanu na Grzegorz Chłopek, CFA
Atlas inwestycyjny wg stanu na 31.12.2017 Grzegorz Chłopek, CFA Spis treści Struktura MSCI USA, EMU Japonia, UK Kanada, Szwajcaria Australia, Emerging Markets Polska Podsumowanie 2 MSCI ACWI - udziały
Bardziej szczegółowoANALIZA NUMERYCZNA ROZKŁADU TEMPERATURY W ZEWNĘTRZNEJ PRZEGRODZIE PIONOWEJ
Buownictwo o zoptymalizowanym potencjale energetycznym 1(13) 2014, s. 22-27 Anna DERLATKA, Piotr LACKI Politechnika Częstochowska ANALIZA NUMERYCZNA ROZKŁADU TEMPERATURY W ZEWNĘTRZNEJ PRZEGRODZIE PIONOWEJ
Bardziej szczegółowoZadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Bardziej szczegółowoSpecjalistyczna Pracownia Komputerowa Obliczanie widma Lapunowa
Arkadiusz Neubauer IV rok, Fizyka z Informatyką. Specjalistyczna Pracownia Komputerowa Obliczanie widma Lapunowa 1 Problem fizyczny W poniższej pracy przedstawiono numeryczną metodę obliczania widma Lapunowa
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 szczegółowoPROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY
Joanna Chrabołowska Joanicjusz Nazarko PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY NA PRZYKŁADZIE PRZEDSIĘBIORSTWA HANDLOWEGO TYPU CASH & CARRY Wprowadzenie Wśród wielu prognoz szczególną rolę w zarządzaniu
Bardziej szczegółowoWykład 1. Andrzej Leśniak KGIS, GGiOŚ AGH. Cele. Zaprezentowanie praktycznego podejścia do analizy danych (szczególnie danych środowiskowych)
Analiza anych śroowiskowych III rok OŚ Wykła 1 Anrzej Leśniak KGIS, GGiOŚ AGH Cele Zaprezentowanie praktycznego poejścia o analizy anych (szczególnie anych śroowiskowych) Zaznajomienie z postawowymi (!!!)
Bardziej szczegółowoPodręcznik. Przykład 1: Wyborcy
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 5892 424 http://www.neuroinf.pl/members/danek/swps/ Iwo Białynicki-Birula Iwona Białynicka-Birula
Bardziej szczegółowoĆwiczenie 5 PROGNOZOWANIE
Ćwiczenie 5 PROGNOZOWANIE Prognozowanie jest procesem przewidywania przyszłych zdarzeń. Obszary zastosowań prognozowania obejmują np. analizę danych giełdowych, przewidywanie zapotrzebowania na pracowników,
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 szczegółowoMetody numeryczne Wykład 7
Metody numeryczne Wykład 7 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Plan wykładu Rozwiązywanie równań algebraicznych
Bardziej szczegółowoWielomiany Hermite a i ich własności
3.10.2004 Do. mat. B. Wielomiany Hermite a i ich własności 4 Doatek B Wielomiany Hermite a i ich własności B.1 Definicje Jako postawową efinicję wielomianów Hermite a przyjmiemy wzór Roriguesa n H n (x)
Bardziej szczegółowoFunkcja kwadratowa. f(x) = ax 2 + bx + c = a
Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax, a R \ {0}.
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można
Bardziej szczegółowo1. Wielomiany Podstawowe definicje i twierdzenia
1. Wielomiany Podstawowe definicje i twierdzenia Definicja wielomianu. Wielomianem stopnia n zmiennej rzeczywistej x nazywamy funkcję w określoną wzorem w(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0, przy
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.
Bardziej szczegółowoWłaściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa.
Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa. Paweł Strawiński Uniwersytet Warszawski Wydział Nauk Ekonomicznych 16 stycznia 2006 Streszczenie W artykule analizowane są właściwości
Bardziej szczegółowoGeometria płaska - matura Przyprostokątne trójkąta prostokątnego mają długości 3 7cm poprowadzona z wierzchołka kąta prostego ma długość: 12
Geometria płaska - matura 010 1. Przyprostokątne trójkąta prostokątnego mają ługości 7cm i 4 7cm. Wysokość poprowazona z wierzchołka kąta prostego ma ługość: 1 5 A. 7cm B. cm C. 8 7cm D. 7 7cm 5 7. Miara
Bardziej szczegółowoModelowanie i Analiza Danych Przestrzennych
Moelowanie i Analiza anych Przestrzennych Wykła Anrzej Leśniak Katera Geoinformatyki i Informatyki Stosowanej Akaemia Górniczo-utnicza w Krakowie Prawopoobieństwo i błą pomiarowy Jak zastosować rachunek
Bardziej szczegółowoFunkcja kwadratowa. f(x) = ax 2 + bx + c,
Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax 2 + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax 2, a R \
Bardziej szczegółowo1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4.
1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4. Prognozowanie stóp zwrotu na podstawie modeli ARMA 5. Relacje kointegrujące
Bardziej szczegółowoINSTYTUT ENERGOELEKTRYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr
Na prawach rękopisu o użytku służbowego INSTYTUT ENEROEEKTRYKI POITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr ABORATORIUM UKŁADÓW IMPUSOWYCH la kierunku AiR Wyziału Mechanicznego INSTRUKCJA ABORATORYJNA
Bardziej szczegółowoELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 26 czerwca 2017 roku
Egzamin pisemny zestaw czerwca 0 roku Imię i nazwisko:.... ( pkt.) Udowodnić, że jeśli funkcja g interpoluje funkcję f w węzłach x 0, x, K, x n, a funk- cja h interpoluje funkcję f w węzłach x, x, K, x
Bardziej szczegółowo