Wpływ macierzy przejścia systemu bonus-malus ubezpieczeń komunikacyjnych OC na jego efektywność taryfikacyjną

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wpływ macierzy przejścia systemu bonus-malus ubezpieczeń komunikacyjnych OC na jego efektywność taryfikacyjną"

Transkrypt

1 Wpływ macierzy przejścia systemu bonus-malus ubezpieczeń komunikacyjnych OC na jego efektywność taryfikacyjną Anna Szymańska Katedra Metod Statystycznych Uniwersytet Łódzki

2 Taryfikacja w ubezpieczeniach komunikacyjnych OC Taryfikacja a priori Taryfikacja a posteriori

3 Łańcuch Markowa jako model przejść pomiędzy klasami systemu bonus-malus dla pojedynczego ubezpieczonego Załóżmy, że portfel to zbiór ubezpieczonych podzielonych w wyniku taryfikacji a priori na grupy taryfowe, a następnie w wyniku taryfikacji a posteriori na klasy taryfowe. Liczba klas taryfowych jest skończona i wynosi s. Oznaczmy przez S={1,2,...,s} zbiór numerów klas taryfowych. Przyjmijmy, że klasa j=1 jest obciążana największymi zwyżkami, natomiast j=s największymi zniżkami. Przynależność ubezpieczonego do klasy i w danym roku zależy od klasy, w której znajdował się w roku poprzednim oraz liczby szkód spowodowanych w roku poprzednim. Przy czym ubezpieczeni bez historii szkodowości trafiają do klasy startowej. Niech C t będzie zmienną losową oznaczającą klasę do której należy ubezpieczony w okresie ( t 1, t]. Każdej i-tej klasie taryfowej przyporządkowana jest stawka składki b i, i = 1,...,s stanowiąca procent składki podstawowej. Liczba szkód w danym roku dla dowolnego ubezpieczonego z danej klasy jest zmienną losową o znanym i stałym w czasie rozkładzie prawdopodobieństwa.

4 Łańcuch Markowa jako model przejść pomiędzy klasami systemu bonus-malus dla pojedynczego ubezpieczonego Modelem systemu bonus-malus dla pojedynczego ubezpieczonego o stałym współczynniku intensywności szkód λ>0 jest jednorodny łańcuch Markowa {C t } tєn o przestrzeni stanów S={1,2,...,s}, macierzy prawdopodobieństw przejścia: M( ) pk ( ) T( k) (1) k0 oraz prawdopodobieństwie przejścia ubezpieczonego z klasy taryfowej C i do klasy C j w jednym roku: p ij k0 ( k) ( ) p ( ) t, (2) gdzie pk () jest prawdopodobieństwem, że ubezpieczony w ciągu roku spowoduje ( k) 1 dla Tk i j k szkód oraz tij tij ( k) dla i,jєs, k = 0,1,2,... Funkcję T: S S, 0 dla Tk i j S={1,2,...,s} nazywamy funkcją transformacji, przy czym T k (i) = j oznacza, że ubezpieczony przechodzi z klasy i do klasy j, gdy spowodował k szkód w ciągu jednego roku. k ij

5 Łańcuch Markowa jako model przejść pomiędzy klasami systemu bonus-malus dla pojedynczego ubezpieczonego Zasady przejścia można zapisać w postaci k zerojedynkowych macierzy: t11 t12 t1s T(k) = [ t ( )] ij k. t s1 ts2 tss Dla każdego nierozkładalnego, ergodycznego łańcucha Markowa istnieje rozkład stacjonarny postaci: (3) a ( ) [ a1( ),..., a ( )], (4) n gdzie a j ( ) lim p ( ) oraz p n () jest prawdopodobieństwem przejścia n ij ij ubezpieczonego w okresie n-lat z klasy C i do klasy C j. Rozkład stacjonarny uzyskuje się rozwiązując równanie: gdzie s j1 a j s i1 s a j ( ) ai ( ) pij( ), j 1,..., s, (5) () 1, oraz a j () są frakcją ubezpieczonych znajdujących się w klasie C j po osiągnięciu przez system stanu stacjonarnego lub prawdopodobieństwem, że ubezpieczony znajdzie się w klasie C j po n okresach, gdy liczba okresów dąży do nieskończoności. Przy powyższych założeniach wektor a(λ) można wyznaczyć jako unormowany lewostronny wektor własny macierzy przejść M.

6 Miary efektywności taryfikacyjnej systemów bonus-malus Efektywność Loimaranty (ang. elasticity of the mean stationary premium with respect to the claim frequency) jest określona wzorem: db( ) d ( ), (6) B( ) gdzie oczekiwana stacjonarna składka za pojedynczy okres po osiągnięciu przez system stanu stacjonarnego wynosi: s B( ) a j ( ) b j. (7) i1

7 Miary efektywności taryfikacyjnej systemów bonus-malus Elastyczność ogólna (łączna):. ) ( ) ( 0 d (8) Załóżmy, że rozkład liczby szkód jest Poissona, a parametr intensywności szkód ma rozkład gamma. Całkę we wzorze (8) można przybliżyć wyznaczając całkę w d 0 ) ( ) ( (9) gdzie całkę we wzorze (9) można obliczyć za pomocą metody trapezów. Przybliżenie całki jest postaci k i k i k i k i k d k w i w ) ( ) ( 1 0 (10) Do obliczeń przyjęto w=3 i k=500. Zwiększenie wartości parametrów w i k poprawia dokładność aproksymacji na dziewiątym miejscu po przecinku.

8 Miary efektywności taryfikacyjnej systemów bonus-malus Względny stacjonarny oczekiwany poziom składki (ang. relative stationary average level) RSAL: RSAL( B( ) min j ( b j ) ). max j ( b j ) min j ( b j ) (11)

9 Przykładowe systemy bonus-malus Tabela nr 1. BMS PZU Nr klasy BM C j Liczba szkód w Stawka składki roku [%] 0 1 i więcej 1 C C C C C C C C C C C C C

10 Przykładowe systemy bonus-malus Tabela nr 2. BMS I Nr klasy BM C j Stawka składki Liczba szkód w roku [%] i więcej 1 C C C C C C C C C C C C C

11 Przykładowe systemy bonus-malus Tabela nr 3. BMS II Nr klasy BM C j Stawka składki Liczba szkód w roku [%] i więcej 1 C C C C C C C C C C C C C

12 Przykładowe systemy bonus-malus Tabela nr 4. BMS III Nr klasy BM C j Stawka składki Liczba szkód w roku [%] i więcej 1 C C C C C C C C C C C C C

13 Przykładowe systemy bonus-malus Tabela nr 5. BMS IV Nr Klasy BM C j Stawka składki Liczba szkód w roku [%] i więcej 1 C C C C C C C C C C C C C C C C C C

14 Przykładowe systemy bonus-malus Tabela nr 6. BMS V Nr klasy BM C j Stawka składki Liczba szkód w roku [%] i więcej 1 C C C C C C C C C C C C C C C C C C

15 Przykładowe systemy bonus-malus Tabela nr 7. BMS VI Nr klasy BM C j Stawka składki Liczba szkód w roku [%] i więcej 1 C C C C C C C C C C C C C C C C C C

16 Ocena efektywności taryfikacyjnej badanych systemów bonus-malus Tabela nr 8. Miary efektywności taryfikacyjnej systemów bonus-malus System Miara efektywności taryfikacyjnej systemu bonus-malus () () B RSAL () BMS PZU 0, , , , BMS I 0, , , , BMS II 0, , , , BMS III 0, , , , BMS IV 0, , , , BMS V 0, , , , BMS VI 0, , , ,108860

17 Ocena efektywności taryfikacyjnej badanych systemów bonus-malus 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 η(λ) η B(λ) RSAL miara efektywności BMS PZU BMS I BMS II BMS III BMS IV BMS V BMS VI

18 Ocena efektywności taryfikacyjnej badanych systemów bonus-malus System bonus-malus PZU, BMS I, BMS II, BMS IV i BMS V charakteryzują się niską efektywnością taryfikacyjną. W tych systemach stawki składki nie będą odpowiednie do ryzyka, jakie reprezentują ubezpieczeni a polisy będą się koncentrować w klasach zniżkowych, co może być powodem braku równowagi finansowej w portfelu. Systemy bonus-malus BMS III i BMS VI będą lepiej spełniać funkcję taryfikacyjną niż pozostałe badane systemy - oczekiwana stacjonarna składka będzie większa, a skoncentrowanie polis w klasach zniżkowych mniejsze. Miary efektywności taryfikacyjnej wskazują na lepszą elastyczność stawek względem intensywności szkód w tych systemach.

19 Wnioski Zwiększenie liczby klas systemu przy tych samych zasadach przejścia pomiędzy klasami, nie zawsze poprawia jego efektywność taryfikacyjną, czego przykładem są systemy: BMS IV w stosunku do BMS I oraz BMS V w porównaniu z BMS II. W wymienionych parach systemów wszystkie oceniane miary efektywności taryfikacyjnej mają mniejsze wartości nawet po zwiększeniu liczby klas, co świadczy o zmniejszeniu ich efektywności taryfikacyjnej. Wyjątek stanowi tutaj system BMS VI w stosunku do BMS III, czyli systemy bardzo surowo karzące ubezpieczonych zgłaszających szkody. Zwiększenie liczby klas dla takich systemów znacznie poprawia efektywność taryfikacyjną

20 Wnioski Niewielkie zaostrzenie kar, w porównaniu z systemem PZU, tylko dla ubezpieczonych powodujących w roku co najmniej dwie szkody, jak w systemach BMS I i BMS IV nie poprawia efektywności taryfikacyjnej systemu, a wręcz powoduje pogorszenie jego efektywności taryfikacyjnej. Należy tutaj zauważyć, że system BMS IV ma mniejsze wartości efektywności: Loimaranty i ogólnej, w porównaniu z BMS I i PZU, przy takich samych zasadach przejścia pomiędzy klasami i większej liczbie klas.

21 Wnioski Zaostrzenie kar dla wszystkich ubezpieczonych zgłaszających szkody przy tej samej liczbie klas, jak w systemach BMS I, BMS II i BMS III oraz BMS IV, BMS V i BMS VI, poprawia efektywność taryfikacyjną systemu. Należy jednak zauważyć, że w przypadku systemów z większą liczbą klas poprawa funkcji taryfikacyjnej jest większa.

22 Bibliografia Antonio K., Valez E., Statistical concepts of a priori and a posteriori risk classification in insurance, AStA Adv Stat Anal 2012, vol.96, s Bonsdorff H., On the Convergence rate of bonus-malus Systems, ASTIN Bulletin 1992, vol.22, s Denuit M., Marechal X., Pitrebois S., Walhin J., Actuarial Modelling of Claim Counts. Risk Classification, Credibility and Bonus-Malus Systems, Wiley, England 2007, s Lemaire J., Bonus-Malus Systems in Automobile Insurance, Kluwer, Boston, Niemiec M., Bonus-Malus Systems as Markov Set-Chains, ASTIN Bulletin 2007, vol. 37, s Podgórska M., Śliwka P., Tobolewski M., Wrzosek M., Łańcuchy Markowa w teorii i w zastosowaniach, Oficyna Wydawnicza SGH, Warszawa 2002, s.16 Szymańska A., Małecka M., Zastosowanie metody trapezów w ocenie efektywności taryfikacyjnej systemów bonus-malus ubezpieczeń komunikacyjnych OC, w: Z. Zieliński (red.), Rola informatyki w naukach ekonomicznych i społecznych. Innowacje i implikacje interdyscyplinarne, Wydawnictwo Wyższej Szkoły Handlowej, Kielce 2013, s

Wpływ liczby klas i reguł przejścia systemu bonus-malus na jego efektywność taryfikacyjną

Wpływ liczby klas i reguł przejścia systemu bonus-malus na jego efektywność taryfikacyjną Anna Szymańska Wydział Ekonomiczno-Socjologiczny Uniwersytet Łódzki Wpływ liczby klas i reguł przejścia systemu bonus-malus na jego efektywność taryfikacyjną Streszczenie Towarzystwa ubezpieczeniowe konkurują

Bardziej szczegółowo

System bonus-malus z mechanizmem korekty składki

System bonus-malus z mechanizmem korekty składki System bonus-malus z mechanizmem korekty składki mgr Kamil Gala Ubezpieczeniowy Fundusz Gwarancyjny dr hab. Wojciech Bijak, prof. SGH Ubezpieczeniowy Fundusz Gwarancyjny, Szkoła Główna Handlowa Zagadnienia

Bardziej szczegółowo

Wykorzystanie informacji kredytowej w procesie oceny ryzyka ubezpieczeniowego w ubezpieczeniach komunikacyjnych

Wykorzystanie informacji kredytowej w procesie oceny ryzyka ubezpieczeniowego w ubezpieczeniach komunikacyjnych Wykorzystanie informacji kredytowej w procesie oceny ryzyka ubezpieczeniowego w ubezpieczeniach komunikacyjnych Ubezpieczeniowy Fundusz Gwarancyjny mgr Karolina Pasternak-Winiarska mgr Kamil Gala Zagadnienia

Bardziej szczegółowo

Łączenie i agregacja systemów bonus-malus w ubezpieczeniach komunikacyjnych

Łączenie i agregacja systemów bonus-malus w ubezpieczeniach komunikacyjnych Wojciech Bijak Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie Ubezpieczeniowy Fundusz Gwarancyjny Łączenie i agregacja systemów bonus-malus w ubezpieczeniach komunikacyjnych Streszczenie

Bardziej szczegółowo

Wokół wyszukiwarek internetowych

Wokół wyszukiwarek internetowych Wokół wyszukiwarek internetowych Bartosz Makuracki 23 stycznia 2014 Przypomnienie Wzór x 1 = 1 d N x 2 = 1 d N + d N i=1 p 1,i x i + d N i=1 p 2,i x i. x N = 1 d N + d N i=1 p N,i x i Oznaczenia Gdzie:

Bardziej szczegółowo

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Procesy stochastyczne WYKŁAD 5 Proces Poissona. Proces {N(t), t } nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Proces zliczający musi

Bardziej szczegółowo

1. Wstęp SYSTEMY BONUS-MALUS Z WIELOLETNIĄ HISTORIĄ SZKODOWĄ. Wojciech Bijak. Piotr Dziel

1. Wstęp SYSTEMY BONUS-MALUS Z WIELOLETNIĄ HISTORIĄ SZKODOWĄ. Wojciech Bijak. Piotr Dziel SYSTEMY BONUS-MALUS Z WIELOLETNIĄ HISTORIĄ SZKODOWĄ Wojciech Bijak Szkoła Główna Handlowa w Warszawie Piotr Dziel Ubezpieczeniowy Fundusz Gwarancyjny e-mails: wobi@sgh.waw.pl; pdziel@ufg.pl ISSN 1644-6739

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 4.04.0 r. Zadanie. Przy danej wartości λ parametru ryzyka Λ liczby szkód generowane przez ubezpieczającego się w kolejnych latach to niezależne zmienne losowe o rozkładzie

Bardziej szczegółowo

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką z losową stopą procentową i losową składką Instytut Matematyki i Informatyki Politechniki Wrocławskiej 10 czerwca 2008 Oznaczenia Wprowadzenie ξ n liczba wypłat w (n 1, n], Oznaczenia Wprowadzenie ξ n

Bardziej szczegółowo

System bonus-malus z korektą składki

System bonus-malus z korektą składki Kamil Gala Ubezpieczeniowy Fundusz Gwarancyjny Wojciech Bijak Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie Ubezpieczeniowy Fundusz Gwarancyjny System bonus-malus z korektą składki Streszczenie

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elementy modelowania matematycznego Łańcuchy Markowa: zagadnienia graniczne. Ukryte modele Markowa. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ KLASYFIKACJA STANÓW Stan i jest osiągalny

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 1.10.2012 r.

Matematyka ubezpieczeń majątkowych 1.10.2012 r. Zadanie. W pewnej populacji każde ryzyko charakteryzuje się trzema parametrami q, b oraz v, o następującym znaczeniu: parametr q to prawdopodobieństwo, że do szkody dojdzie (może zajść co najwyżej jedna

Bardziej szczegółowo

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami:

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Pr(X 1 = 0) = 6/10, Pr(X 1 = 1) = 1/10, i gęstością: f(x) = 3/10 na przedziale (0, 1). Wobec tego Pr(X 1 + X 2 5/3) wynosi:

Bardziej szczegółowo

EGZAMIN DYPLOMOWY, część II, 20.09.2006 Biomatematyka

EGZAMIN DYPLOMOWY, część II, 20.09.2006 Biomatematyka Biomatematyka Załóżmy, że częstości genotypów AA, Aa i aa w całej populacji wynoszą p 2, 2pq i q 2. Wiadomo, że czynnik selekcyjny sprawia, że osobniki o genotypie aa nie rozmnażają się. 1. Wyznacz częstości

Bardziej szczegółowo

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

III. ZMIENNE LOSOWE JEDNOWYMIAROWE III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta

Bardziej szczegółowo

DOI: /sps JEL Classification: G22 Insurance; Insurance Companies; Actuarial Studies

DOI: /sps JEL Classification: G22 Insurance; Insurance Companies; Actuarial Studies ZALEŻNOŚĆ STOCHASTYCZNA W AKTUARIALNYCH MODELACH TARYFIKACJI A POSTERIOR ŚLĄSKI Kamil Gala Ubezpieczeniowy Fundusz Gwarancyjny Wojciech Bijak Szkoła Główna Handlowa w Warszawie, Ubezpieczeniowy Fundusz

Bardziej szczegółowo

Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku.

Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku. Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku. Uogólnienie na przeliczalnie nieskończone przestrzenie stanów zostało opracowane

Bardziej szczegółowo

Rachunek Prawdopodobieństwa Anna Janicka

Rachunek Prawdopodobieństwa Anna Janicka Rachunek Prawdopodobieństwa Anna Janicka wykład XIV, 24.01.2017 ŁAŃCUCHYMARKOWA CD. KRÓTKIE INFO O RÓŻNYCH WAŻNYCH ROZKŁADACH Plan na dzisiaj Łańcuchy Markowa cd. Różne ważne rozkłady prawdopodobieństwa,

Bardziej szczegółowo

Wykład 9: Markov Chain Monte Carlo

Wykład 9: Markov Chain Monte Carlo RAP 412 17.12.2008 Wykład 9: Markov Chain Monte Carlo Wykładowca: Andrzej Ruciński Pisarz: Ewelina Rychlińska i Wojciech Wawrzyniak Wstęp W tej części wykładu zajmiemy się zastosowaniami łańcuchów Markowa

Bardziej szczegółowo

Zadanie 1. są niezależne i mają rozkład z atomami: ( ),

Zadanie 1. są niezależne i mają rozkład z atomami: ( ), Zadanie. Zmienne losowe są niezależne i mają rozkład z atomami: ( ) ( ) i gęstością: ( ) na przedziale ( ). Wobec tego ( ) wynosi: (A) 0.2295 (B) 0.2403 (C) 0.2457 (D) 0.25 (E) 0.269 Zadanie 2. Niech:

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. W pewnej populacji kierowców każdego jej członka charakteryzują trzy zmienne: K liczba przejeżdżanych kilometrów (w tysiącach rocznie) NP liczba szkód w ciągu roku, w których kierowca jest stroną

Bardziej szczegółowo

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i

Bardziej szczegółowo

Lista 1. Procesy o przyrostach niezależnych.

Lista 1. Procesy o przyrostach niezależnych. Lista. Procesy o przyrostach niezależnych.. Niech N t bedzie procesem Poissona o intensywnoci λ = 2. Obliczyć a) P (N 2 < 3, b) P (N =, N 3 = 6), c) P (N 2 = N 5 = 2), d) P (N =, N 2 = 3, N 4 < 5), e)

Bardziej szczegółowo

Predykcja szkód z uwzględnieniem zależności w ubezpieczeniach AC i OC komunikacyjnym

Predykcja szkód z uwzględnieniem zależności w ubezpieczeniach AC i OC komunikacyjnym Daniel Sobiecki 1 Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie Predykcja szkód z uwzględnieniem zależności w ubezpieczeniach AC i OC komunikacyjnym Streszczenie Przedmiotem opracowania

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Laboratorium JAVA Zadanie nr 2 Rozpoznawanie liter autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z problemem klasyfikacji

Bardziej szczegółowo

Własność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky

Własność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky Własność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky ego Marek Kałuszka Michał Krzeszowiec Ogólnopolska Konferencja Naukowa Zagadnienia

Bardziej szczegółowo

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem

Bardziej szczegółowo

Modelowanie komputerowe

Modelowanie komputerowe Modelowanie komputerowe wykład 5- Klasyczne systemy kolejkowe i ich analiza dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 16,23listopada2015r. Analiza

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa M. Czoków, J. Piersa 2012-01-10 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego 3 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego

Bardziej szczegółowo

EGZAMIN DYPLOMOWY, część II, 23.09.2008 Biomatematyka

EGZAMIN DYPLOMOWY, część II, 23.09.2008 Biomatematyka Biomatematyka W 200-elementowej próbie losowej z diploidalnej populacji wystąpiło 89 osobników genotypu AA, 57 osobników genotypu Aa oraz 54 osobników genotypu aa. Na podstawie tych danych (a) dokonaj

Bardziej szczegółowo

Rok akademicki: 2013/2014 Kod: AMA-2-311-MN-s Punkty ECTS: 6. Kierunek: Matematyka Specjalność: Matematyka w naukach technicznych i przyrodniczych

Rok akademicki: 2013/2014 Kod: AMA-2-311-MN-s Punkty ECTS: 6. Kierunek: Matematyka Specjalność: Matematyka w naukach technicznych i przyrodniczych Nazwa modułu: teoria ryzyka Rok akademicki: 2013/2014 Kod: AMA-2-311-MN-s Punkty ECTS: 6 Wydział: Matematyki Stosowanej Kierunek: Matematyka Specjalność: Matematyka w naukach technicznych i przyrodniczych

Bardziej szczegółowo

( n) Łańcuchy Markowa X 0, X 1,...

( n) Łańcuchy Markowa X 0, X 1,... Łańcuchy Markowa Łańcuchy Markowa to rocesy dyskretne w czasie i o dyskretnym zbiorze stanów, "bez amięci". Zwykle będziemy zakładać, że zbiór stanów to odzbiór zbioru liczb całkowitych Z lub zbioru {,,,...}

Bardziej szczegółowo

Modele wielorownaniowe

Modele wielorownaniowe Część 1. e e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej e makroekonomiczne z reguły składają się z większej

Bardziej szczegółowo

Algorytmy MCMC i ich zastosowania statystyczne

Algorytmy MCMC i ich zastosowania statystyczne Algorytmy MCMC i ich zastosowania statystyczne Wojciech Niemiro Uniwersytet Mikołaja Kopernika, Toruń i Uniwersytet Warszawski Statystyka Matematyczna Wisła, grudzień 2010 Wykład 1 1 Co to jest MCMC? 2

Bardziej szczegółowo

Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH

Zastosowanie 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 szczegółowo

Anna Celczyńska. Liczebność próby badawczej

Anna Celczyńska. Liczebność próby badawczej 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 OECONOMICA 296, 2013 * OCENA WYBRANYCH CZYNNIKÓW RYZYKA W UBEZPIECZENIU OC POSIADACZY POJAZDÓW MECHANICZNYCH 1. WPROWADZENIE Jedną z najważniejszych

Bardziej szczegółowo

Układy stochastyczne

Układy stochastyczne Instytut Informatyki Uniwersytetu Śląskiego 21 stycznia 2009 Definicja Definicja Proces stochastyczny to funkcja losowa, czyli funkcja matematyczna, której wartości leżą w przestrzeni zdarzeń losowych.

Bardziej szczegółowo

Spis treści. 1. Analiza zmian i tendencje rozwoju rynku ubezpieczeń komunikacyjnych

Spis treści. 1. Analiza zmian i tendencje rozwoju rynku ubezpieczeń komunikacyjnych Spis treści Wstęp... 9 1. Analiza zmian i tendencje rozwoju rynku ubezpieczeń komunikacyjnych w Polsce... 11 1.1. Charakterystyka i regulacje prawne rynku ubezpieczeń komunikacyjnych w Europie... 11 1.2.

Bardziej szczegółowo

Rozwiązywanie układów równań liniowych

Rozwiązywanie układów równań liniowych Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy

Bardziej szczegółowo

Aproksymacja diofantyczna

Aproksymacja diofantyczna Aproksymacja diofantyczna Szymon Draga Ustroń, 4 listopada 0 r Wprowadzenie Jak wiadomo, każdą liczbę niewymierną można (z dowolną dokładnością) aproksymować liczbami wymiernymi Powstaje pytanie, w jaki

Bardziej szczegółowo

01. dla x 0; 1 2 wynosi:

01. dla x 0; 1 2 wynosi: Matematyka ubezpieczeń majątkowych 0.0.04 r. Zadanie. Ryzyko X ma rozkład z atomami: Pr X 0 08. Pr X 0. i gęstością: f X x 0. dla x 0; Ryzyko Y ma rozkład z atomami: Pr Y 0 07. Pr Y 0. i gęstością: fy

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład I: Formalizm statystyki matematycznej 17 lutego 2014 Forma zaliczenia przedmiotu Forma zaliczenia Literatura Zagadnienia omawiane na wykładach Forma zaliczenia przedmiotu Forma zaliczenia Literatura

Bardziej szczegółowo

Deterministyczna analiza systemu bonus-malus

Deterministyczna analiza systemu bonus-malus Barbara Cieślik, Damian Sulik Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie Deterministyczna analiza systemu bonus-malus Streszczenie Przedmiotem artykułu jest deterministyczna analiza

Bardziej szczegółowo

Wyznaczenie współczynnika restytucji

Wyznaczenie współczynnika restytucji 1 Ćwiczenie 19 Wyznaczenie współczynnika restytucji 19.1. Cel ćwiczenia Celem ćwiczenia jest wyznaczenie współczynnika restytucji dla różnych materiałów oraz sprawdzenie słuszności praw obowiązujących

Bardziej szczegółowo

DOI: /sps JEL Classification: G22 Insurance; Insurance Companies; Actuarial Studies

DOI: /sps JEL Classification: G22 Insurance; Insurance Companies; Actuarial Studies TARYFIKACJA A PRIORI Z UWZGLĘDNIENIEM EFEKTÓW PRZESTRZENNYCH Kamil Gala Ubezpieczeniowy Fundusz Gwarancyjny e-mail: kgala@ufg.pl ISSN 1644-6739 e-issn 2449-9765 DOI: 10.15611/sps.2017.15.05 JEL Classification:

Bardziej szczegółowo

PRZYKŁADY ZASTOSOWANIA MACIERZY MIGRACJI W ZARZĄDZANIU RYZYKIEM FINANSOWYM

PRZYKŁADY ZASTOSOWANIA MACIERZY MIGRACJI W ZARZĄDZANIU RYZYKIEM FINANSOWYM Urszula Grzybowska Marek Karwański Szkoła Główna Gospodarstwa Wiejskiego w Warszawie PRZYKŁADY ZASTOSOWANIA MACIERZY MIGRACJI W ZARZĄDZANIU RYZYKIEM FINANSOWYM Wstęp W ostatnich latach coraz częściej do

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej

Bardziej szczegółowo

Immunizacja ryzyka stopy procentowej ubezpieczycieli życiowych

Immunizacja ryzyka stopy procentowej ubezpieczycieli życiowych Immunizacja ryzyka stopy procentowej ubezpieczycieli życiowych Elżbieta Krajewska Instytut Matematyki Politechnika Łódzka Elżbieta Krajewska Immunizacja ubezpieczycieli życiowych 1/22 Plan prezentacji

Bardziej szczegółowo

EGZAMIN DYPLOMOWY, część II, Biomatematyka

EGZAMIN DYPLOMOWY, część II, Biomatematyka Biomatematyka Niech X n oznacza proporcję pozycji w nici DNA, które po n replikacjach są obsadzone takimi samymi nukleotydami, jak w chwili początkowej, tak więc X 0 = 1. Zakładamy, że w każdej replikacji

Bardziej szczegółowo

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i )

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i ) Rachunek prawdopodobieństwa - Teoria - Przypomnienie Podstawy Definicja 1. Schemat klasyczny - wszystkie zdarzenia elementarne są równo prawdopodobne, licząc prawdopodobieństwo liczymy stosunek liczby

Bardziej szczegółowo

METODY ESTYMACJI PUNKTOWEJ. nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie

METODY ESTYMACJI PUNKTOWEJ. nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie METODY ESTYMACJI PUNKTOWEJ X 1,..., X n - próbka z rozkładu P θ, θ Θ, θ jest nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie P θ. Definicja. Estymatorem

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. Niech łączna wartość szkód: Ma złożony rozkład Poissona. Momenty rozkładu wartości poedyncze szkody wynoszą:, [ ]. Wiemy także, że momenty nadwyżki wartości poedyncze szkody ponad udział własny

Bardziej szczegółowo

Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11,

Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 1 Kwantyzacja skalarna Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 10.05.005 Kwantyzacja polega na reprezentowaniu dużego zbioru wartości (być może nieskończonego) za pomocą wartości

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład I: Formalizm teorii prawdopodonieństwa 6 października 2014 Forma zaliczenia przedmiotu Forma zaliczenia Literatura Dostępność treści wykładów 1 Zaliczenie ćwiczeń rachunkowych. 2 Egzamin dwuczęściowy:

Bardziej szczegółowo

ISBN (wersja drukowana) 978-83-7969-266-8 ISBN (ebook) 978-83-7969-736-6

ISBN (wersja drukowana) 978-83-7969-266-8 ISBN (ebook) 978-83-7969-736-6 Anna Szymańska Uniwersytet Łódzki, Wydział Ekonomiczno-Socjologiczny Katedra Metod Statystycznych, 90-214 Łódź, ul. Rewolucji 1905 r. nr 41/43 RECENZENT Wojciech Bijak REDAKTOR WYDAWNICTWA UŁ Elżbieta

Bardziej szczegółowo

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III. Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej

Bardziej szczegółowo

Wykorzystanie informacji kredytowej w procesie oceny ryzyka ubezpieczeniowego w ubezpieczeniach komunikacyjnych

Wykorzystanie informacji kredytowej w procesie oceny ryzyka ubezpieczeniowego w ubezpieczeniach komunikacyjnych Kamil Gala, Karolina Kolak Ubezpieczeniowy Fundusz Gwarancyjny Wykorzystanie informacji kredytowej w procesie oceny ryzyka ubezpieczeniowego w ubezpieczeniach komunikacyjnych Streszczenie W pracy przedstawiono

Bardziej szczegółowo

Punkty ECTS Matematyka 11049 8

Punkty ECTS Matematyka 11049 8 STUDIA LICENCJACKIE PRZEDMIOTY PODSTAWOWE Przedmiot Matematyka 11049 8 PRZEDMIOTY KIERUNKOWE MIESI Przedmiot Algebra 12100 6 Analiza matematyczna 12101 6 Deterministyczne modele badań operacyjnych 12014

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 6.04.2009 r.

Matematyka ubezpieczeń majątkowych 6.04.2009 r. Matematyka ubezpieczeń majątkowych 6.04.009 r. Zadanie. Niech N oznacza liczbę szkód zaszłych w ciągu roku z pewnego ubezpieczenia z czego: M to liczba szkód zgłoszonych przed końcem tego roku K to liczba

Bardziej szczegółowo

Jądrowe klasyfikatory liniowe

Jądrowe klasyfikatory liniowe Jądrowe klasyfikatory liniowe Waldemar Wołyński Wydział Matematyki i Informatyki UAM Poznań Wisła, 9 grudnia 2009 Waldemar Wołyński () Jądrowe klasyfikatory liniowe Wisła, 9 grudnia 2009 1 / 19 Zagadnienie

Bardziej szczegółowo

EGZAMIN MAGISTERSKI, czerwiec 2014 Matematyka w ekonomii i ubezpieczeniach

EGZAMIN MAGISTERSKI, czerwiec 2014 Matematyka w ekonomii i ubezpieczeniach Matematyka w ekonomii i ubezpieczeniach Sprawdź, czy wektor x 0 = (0,5,,0,0) jest rozwiązaniem dopuszczalnym zagadnienia programowania liniowego: Zminimalizować 3x 1 +x +x 3 +4x 4 +6x 5, przy ograniczeniach

Bardziej szczegółowo

Równanie przewodnictwa cieplnego (I)

Równanie przewodnictwa cieplnego (I) Wykład 4 Równanie przewodnictwa cieplnego (I) 4.1 Zagadnienie Cauchy ego dla pręta nieograniczonego Rozkład temperatury w jednowymiarowym nieograniczonym pręcie opisuje funkcja u = u(x, t), spełniająca

Bardziej szczegółowo

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele

Bardziej szczegółowo

K A R T A P R Z E D M I O T U ( S Y L L A B U S )

K A R T A P R Z E D M I O T U ( S Y L L A B U S ) K A R T A P R Z E D M I O T U ( S Y L L A B U S ) Kod Nazwa w języku polskim: Ubezpieczenie odpowiedzialności cywilnej posiadaczy pojazdów mechanicznych w języku angielskim: Motor Third Party Liability

Bardziej szczegółowo

SPOTKANIE 11: Reinforcement learning

SPOTKANIE 11: Reinforcement learning Wrocław University of Technology SPOTKANIE 11: Reinforcement learning Adam Gonczarek Studenckie Koło Naukowe Estymator adam.gonczarek@pwr.edu.pl 19.01.2016 Uczenie z nadzorem (ang. supervised learning)

Bardziej szczegółowo

Układy równań liniowych

Układy równań liniowych Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K

Bardziej szczegółowo

PageRank. Bartosz Makuracki. 28 listopada B. Makuracki PageRank

PageRank. Bartosz Makuracki. 28 listopada B. Makuracki PageRank PageRank Bartosz Makuracki 28 listopada 2013 Definicja Definicja PageRank jest algorytmem używanym przez wyszukiwarkę Google do ustalania kolejności stron pojawiających się w wynikach wyszukiwania. Definicja

Bardziej szczegółowo

Quick Launch Manual:

Quick Launch Manual: egresja Odds atio Quick Launch Manual: regresja logistyczna i odds ratio Uniwesytet Warszawski, Matematyka 28.10.2009 Plan prezentacji egresja Odds atio 1 2 egresja egresja logistyczna 3 Odds atio 4 5

Bardziej szczegółowo

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

HISTOGRAM. 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 szczegółowo

Wielki rozkład kanoniczny

Wielki rozkład kanoniczny , granica termodynamiczna i przejścia fazowe Instytut Fizyki 2015 Podukład otwarty Podukład otwarty S opisywany układ + rezerwuar R Podukład otwarty S opisywany układ + rezerwuar R układ S + R jest izolowany

Bardziej szczegółowo

METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład 3-4. Parametry i wybrane rozkłady zmiennych losowych

METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład 3-4. Parametry i wybrane rozkłady zmiennych losowych METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład - Parametry i wybrane rozkłady zmiennych losowych Parametry zmiennej losowej EX wartość oczekiwana D X wariancja DX odchylenie standardowe inne, np. kwantyle,

Bardziej szczegółowo

Wstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, Spis treści

Wstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, Spis treści Wstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, 2012 Spis treści Przedmowa 5 Oznaczenia i konwencje 7 Rozdział I Rozkład wykładniczy i rozkład jednostajny 1. Wprowadzenie

Bardziej szczegółowo

Generacja liczb pseudolosowych

Generacja liczb pseudolosowych Generacja liczb pseudolosowych Zapis liczb w komputerze Generatory liczb pseudolosowych Liniowe kongruentne Liniowe mutiplikatywne kongruentne Jakość generatorów Test widmowy Generowanie liczb losowych

Bardziej szczegółowo

Prawa wielkich liczb, centralne twierdzenia graniczne

Prawa wielkich liczb, centralne twierdzenia graniczne , centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne

Bardziej szczegółowo

EGZAMIN MAGISTERSKI, czerwiec 2016 Matematyka w ekonomii i ubezpieczeniach

EGZAMIN MAGISTERSKI, czerwiec 2016 Matematyka w ekonomii i ubezpieczeniach Matematyka w ekonomii i ubezpieczeniach Dana jest następująca macierz wypłat gry o sumie zero: Podaj rozwiązanie tej gry. M = 3 2 2 2 3 4 5 2 3 3 2 2 4 2 0 3 3 3 Kredyt ma być spłacany na początku roku

Bardziej szczegółowo

Opisy przedmiotów do wyboru

Opisy przedmiotów do wyboru Opisy przedmiotów do wyboru moduły specjalistyczne oferowane na stacjonarnych studiach II stopnia (magisterskich) dla 1 roku matematyki semestr letni, rok akademicki 2017/2018 Spis treści 1. Algebra i

Bardziej szczegółowo

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego. . Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21

Bardziej szczegółowo

RAPORT. szkodowość w roku polisowym 2011 stan na dzień przygotowany dla Urzędu Miasta Łodzi. Raport szkód za rok polisowy 2011.

RAPORT. szkodowość w roku polisowym 2011 stan na dzień przygotowany dla Urzędu Miasta Łodzi. Raport szkód za rok polisowy 2011. RAPORT szkodowość w roku polisowym 2011 stan na dzień 31-03- 2012 przygotowany dla Urzędu Miasta Łodzi Raport szkód za rok polisowy 2011. 1 Program ubezpieczenia mienia, odpowiedzialności cywilnej, ubezpieczeń

Bardziej szczegółowo

K A R T A P R Z E D M I O T U ( S Y L L A B U S )

K A R T A P R Z E D M I O T U ( S Y L L A B U S ) K A R T A P R Z E D M I O T U ( S Y L L A B U S ) Kod UTHRad/E/A/HES / Nazwa w języku polskim: Ubezpieczenie odpowiedzialności cywilnej posiadaczy pojazdów mechanicznych w języku angielskim: Motor Third

Bardziej szczegółowo

Metoda elementów skończonych

Metoda elementów skończonych Metoda elementów skończonych Wraz z rozwojem elektronicznych maszyn obliczeniowych jakimi są komputery zaczęły pojawiać się różne numeryczne metody do obliczeń wytrzymałości różnych konstrukcji. Jedną

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XIV: Metody Monte Carlo 19 stycznia 2016 Przybliżone obliczanie całki oznaczonej Rozważmy całkowalną funkcję f : [0, 1] R. Chcemy znaleźć przybliżoną wartość liczbową całki 1 f (x) dx. 0 Jeden ze

Bardziej szczegółowo

[ A i ' ]=[ D ][ A i ] (2.3)

[ A i ' ]=[ D ][ A i ] (2.3) . WSTĘP DO TEORII SPRĘŻYSTOŚCI 1.. WSTĘP DO TEORII SPRĘŻYSTOŚCI.1. Tensory macierzy Niech macierz [D] będzie macierzą cosinusów kierunkowych [ D ]=[ i ' j ] (.1) Macierz transformowana jest równa macierzy

Bardziej szczegółowo

10. Redukcja wymiaru - metoda PCA

10. Redukcja wymiaru - metoda PCA Algorytmy rozpoznawania obrazów 10. Redukcja wymiaru - metoda PCA dr inż. Urszula Libal Politechnika Wrocławska 2015 1 1. PCA Analiza składowych głównych: w skrócie nazywana PCA (od ang. Principle Component

Bardziej szczegółowo

6. Punkty osobliwe, residua i obliczanie całek

6. Punkty osobliwe, residua i obliczanie całek 6. Punkty osobliwe, residua i obliczanie całek Mówimy, że funkcja holomorficzna f ma w punkcie a zero krotności k, jeśli f(a) = f (a) = = f (k ) (a) = 0, f (k) (a) 0. Rozwijając f w szereg Taylora w otoczeniu

Bardziej szczegółowo

Zbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki. Graniczne własności łańcuchów Markowa

Zbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki. Graniczne własności łańcuchów Markowa Zbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki Graniczne własności łańcuchów Markowa Toruń, 2003 Co to jest łańcuch Markowa? Każdy skończony, jednorodny łańcuch Markowa

Bardziej szczegółowo

Monitoring kształtowania wysokości taryf w świetle zmieniających się czynników ryzyka

Monitoring kształtowania wysokości taryf w świetle zmieniających się czynników ryzyka Monitoring kształtowania wysokości taryf w świetle zmieniających się czynników ryzyka 1 Przepisy prawa ustawa z dnia 22 maja 2003r. o działalności ubezpieczeniowej art. 18. 1. Wysokość składek ubezpieczeniowych

Bardziej szczegółowo

Lokalna odwracalność odwzorowań, odwzorowania uwikłane

Lokalna odwracalność odwzorowań, odwzorowania uwikłane Lokalna odwracalność odwzorowań, odwzorowania uwikłane Katedra Matematyki i Ekonomii Matematycznej Szkoła Główna Handlowa 17 maja 2012 Definicja Mówimy, że odwzorowanie F : X R n, gdzie X R n, jest lokalnie

Bardziej szczegółowo

Wykorzystanie metod wielowymiarowej analizy statystycznej w kontekście zasady proporcjonalności projektu Wypłacalność II

Wykorzystanie metod wielowymiarowej analizy statystycznej w kontekście zasady proporcjonalności projektu Wypłacalność II Wykorzystanie metod wielowymiarowej analizy statystycznej w kontekście zasady proporcjonalności projektu Wypłacalność II Wojciech Bijak Tomasz Konieczny ZASADA PROPORCJONALNOŚCI W KONTEKŚCIE DYREKTYWY

Bardziej szczegółowo

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

Równania różniczkowe liniowe wyższych rzędów o stałych współcz Równania różniczkowe liniowe wyższych rzędów o stałych współczynnikach Katedra Matematyki i Ekonomii Matematycznej SGH 12 maja 2016 Równanie liniowe n-tego rzędu Definicja Równaniem różniczkowym liniowym

Bardziej szczegółowo

WYDZIAŁ ELEKTRONIKI MIKROSYSTEMÓW I FOTONIKI

WYDZIAŁ ELEKTRONIKI MIKROSYSTEMÓW I FOTONIKI Zał. nr do ZW WYDZIAŁ ELEKTRONIKI MIKROSYSTEMÓW I FOTONIKI KARTA PRZEDMIOTU Nazwa w języku polskim: Matematyka (Zao EA EiT stopień) Nazwa w języku angielskim: Mathematics Kierunek studiów (jeśli dotyczy):

Bardziej szczegółowo

WSPÓŁCZYNNIK GOTOWOŚCI SYSTEMU LOKOMOTYW SPALINOWYCH SERII SM48

WSPÓŁCZYNNIK GOTOWOŚCI SYSTEMU LOKOMOTYW SPALINOWYCH SERII SM48 TECHNIKA TRANSPORTU SZYNOWEGO Andrzej MACIEJCZYK, Zbigniew ZDZIENNICKI WSPÓŁCZYNNIK GOTOWOŚCI SYSTEMU LOKOMOTYW SPALINOWYCH SERII SM48 Streszczenie W artykule wyznaczono współczynniki gotowości systemu

Bardziej szczegółowo

Hierarchiczna analiza skupień

Hierarchiczna analiza skupień Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym

Bardziej szczegółowo

Statystyka opisowa. Robert Pietrzykowski.

Statystyka opisowa. Robert Pietrzykowski. Statystyka opisowa Robert Pietrzykowski email: robert_pietrzykowski@sggw.pl www.ekonometria.info 2 Na dziś Sprawy bieżące Przypominam, że 14.11.2015 pierwszy sprawdzian Konsultacje Sobota 9:00 10:00 pok.

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014 Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

Zasady przyjmowania zniżek/zwyżek w Liberty Direct. Agenci 2011

Zasady przyjmowania zniżek/zwyżek w Liberty Direct. Agenci 2011 Zasady przyjmowania zniżek/zwyżek w Liberty Direct Agenci 2011 tel. 1 95 21 www.libertydirect.pl Bonus Malus System zniżek zwyżek Dwa oddzielne systemy Bonus - Malus Jeden w OC a drugi w AC Takie same

Bardziej szczegółowo

Zadania o numerze 4 z zestawów licencjat 2014.

Zadania o numerze 4 z zestawów licencjat 2014. Zadania o numerze 4 z zestawów licencjat 2014. W nawiasie przy zadaniu jego występowanie w numerze zestawu Spis treści (Z1, Z22, Z43) Definicja granicy ciągu. Obliczyć granicę:... 3 Definicja granicy ciągu...

Bardziej szczegółowo

Zestaw 12- Macierz odwrotna, układy równań liniowych

Zestaw 12- Macierz odwrotna, układy równań liniowych Zestaw - Macierz odwrotna, układy równań liniowych Przykładowe zadania z rozwiązaniami Załóżmy, że macierz jest macierzą kwadratową stopnia n. Mówimy, że macierz tego samego wymiaru jest macierzą odwrotną

Bardziej szczegółowo

Stochastyczna 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 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 szczegółowo

Metoda największej wiarygodności

Metoda największej wiarygodności Metoda największej wiarygodności Próbki w obecności tła Funkcja wiarygodności Iloraz wiarygodności Pomiary o różnej dokładności Obciążenie Informacja z próby i nierówność informacyjna Wariancja minimalna

Bardziej szczegółowo