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, Anna Szymańska *

Wielkość: px
Rozpocząć pokaz od strony:

Download "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, Anna Szymańska *"

Transkrypt

1 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 96, 03 Anna Szymańsa * ROZKŁADY LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH OC. WPROWADZENIE Zgodne z Ustawą z dna 8 lca 990 r. o dzałalnośc ubezeczenowej ubezeczena omunacyjne należą do dzału II ubezeczeń majątowych ozostałych osobowych. Przy czym ubezeczena omunacyjne odowedzalnośc cywlnej OC stanową gruę 0. tego dzału. W Polsce w 0 r. słada rzysana brutto z tytułu ubezeczeń omunacyjnych stanowła ooło 56% sład ubezeczeń majątowych osobowych, z czego 34% to ubezeczena gruy 0. Ponadto sład z tytułu ubezeczeń omunacyjnych OC stanowły średno 39% słade ortfela ubezeczeń majątowych ażdego towarzystwa ubezeczenowego. Od rou 008 wyn technczny 3 w ubezeczenach gruy 0. na rynu jest ujemny, co wsazuje na otrzebę zman taryf w tych ubezeczenach. Zadanem ubezeczycela jest utrzymane równowag fnansowej słade śwadczeń orzez ustalene welośc funduszu ubezeczenowego, otrzebnego do wywązana sę z rzyjętych zobowązań oraz właścwe rozłożene omędzy ubezeczanych osztów tworzena tego funduszu. Welość funduszu ustala sę na odstawe rzewdywanych lczby welośc szód. Rozłożene osztów tworzena funduszu olega na różncowanu wysoośc słade ubezeczenowych. Pełna równowaga oeracj fnansowych to stan, w tórym sład orywają wszyste oszty ubezeczycela. W ubezeczenach omunacyjnych załada sę, że rozład lczby szód w ortfelu dla ażdego ubezeczonego jest tego samego tyu. Zmenna losowa osująca lczbę szód w jednostce czasu jest zmenną losową soową. W lte- * Dr, Katedra Metod Statystycznych, Unwersytet Łódz. Ustawa z dna 8 lca 990 r. o dzałalnośc ubezeczenowej, DzU 990, nr 59, oz Raort o stane setora ubezeczeń o I ółroczu 0 rou, KNF, Warszawa 0, 3 Wyn technczny rozumany ja w Rozorządzenu Mnstra Fnansów z dna 8 grudna 009 r. w srawe szczególnych zasad rachunowośc załadów ubezeczeń załadów reaseuracj, DzU 009, nr 6, oz. 85. [99]

2 00 Anna Szymańsa raturze atuaralnej dotyczącej metod wyznaczana słade w ubezeczenach omunacyjnych najczęścej do osu lczby szód w danym orese czasu stosuje sę rozład dwumanowy, Possona lub ujemny dwumanowy. Rozład lczby szód osywano za omocą rozładu ujemnego dwumanowego m. n. w racach Lemare 4, Ibwoye, Adelee Aduloju 5. Zastosowane rozładu Possona logarytmczno normalnego rzedstawa n. raca Atchson Ho 6. W racach Tremblay 7, Wllmot 8 do modelowana lczby szód w ubezeczenach omunacyjnych wyorzystano rozład Possona odwrotny normalny, a w racy Saraba Gomez 9 rozład Possona beta. Rozład Possona gamma gamma do osu lczby szód użyto n. w racy Gomez, Saraba, Perez Vazquez 0. Uogólnony rozład Possona gamma zastosowano n. w oracowanu Saraba, Gomez Vazquez, rozład dwumanowy beta n. w racy Grffths, ujemny dwumanowy Pareto n. w racy Shengwang, Yuan Whtmore 3, geometryczny n. w oracowanu Mert Sayan 4. Rozład Neymana tyu A oraz uogólnony rozład Possona Pascala rezentuje raca Panjer Wllmot 5. 4 J. L e m a r e, Automobl Insurance. Actuaral Models, Kluwer, Boston 985; J. L e m a r e, Bonus-Malus Systems n Automoble Insurance, Kluwer, Boston A. I b w o y e, A. A d e l e e, S. A. A d u l o j u, Quest for Otmal Bonus-Malus n Automoble Insurance n Develong Economes: An Actuaral Persectve, Internatonal Busness Research 0, vol. 4, no. 4, s J. A t c h s o n, C. H. H o, The Multvarate Posson Lognormal Dstrbuton, Bometra 989, vol. 76, s L. T r e m b l a y, Usng the Posson Inverse Gaussan n bonus-malus systems, ASTIN Bulletn 99, vol., no., s G. E. W l l m o t, The Posson-nverse Gaussan dstrbutonas an alternatve to the negatve bnomnal, Scandnavan Actuaral Journal 987, s J. M. S a r a b a, E. G o m e z - D e n z, Dstrbucones multvarantes Posson beta con alcacones a datos de seguros, Investgacones en Seguros y Geston de Resgos, Resgo 007, s E. G o m e z - D e n z, J. M. S a r a b a, J. M. P e r e z, F. V a z q u e z, Usng a Bayesan herarchcal model for fttng automoble clam frequency data, Communcatons n Statstcs: Theory and Methods 008, vol. 37, s J. M. S a r a b a, E. G o m e z - D e n z, F. V a z q u e z - P o l o, On the Use of Condtonal Models n Clam Count Dstrbutons: An Alcaton to Bonus-Malus Systems, ASTIN Bulletn 004, vol. 34, no., s D. A. G r f f t h s, Maxmum Lelhood Estmaton for the Beta-Bnomnal Dstrbuton and Alcaton to the Household Dstrbuton of the Total Number of Cases of Dsease, Bometrcs 973, vol. 9, s M. S h e n g w a n g, W. Y u a n, G. A. W h t m o r e, Accountng for Indvdual Over- Dserson n a Bonus-Malus Automoble Insurance System, ASTIN Bulletn 999, vol. 9, no., s M. M e r t, Y. S a y a n, On a Bonus-Malus System where the Clam Frequency Dstrbuton s Geometrc and the Clam Severty Dstrbuton s Pareto, Hacettee Journal of Mathematcs and Statstcs 005, vol. 34, s H. H. P a n j e r, G. E. W l l m o t, Insurance rs models, Socety of Actuares, Schaumburg 99.

3 Rozłady lczby szód w ubezeczenach omunacyjnych OC 0. WYBRANE ROZKŁADY LICZBY SZKÓD W nnejszej częśc racy doonano rzeglądu rozładów najczęścej stosowanych w lteraturze atuaralnej do osu lczby szód w ubezeczenach omunacyjnych OC. Nech zmenna losowa oznacza lczbę szód z ndywdualnej olsy lub ortfela ols. Rozład dwumanowy Bernoulego osany jest funcją rozładu rawdoodobeństwa: P( n = ) = n n n! q, gdze = 0,,..., n oraz = ()!( n )! Wartość oczewana warancja rozładu wynoszą: E = n D = nq, gdze q =. Rozład Possona to rozład o funcj rawdoodobeństwa oreślonej wzorem: P( λ = ) = ex( λ), = 0,,... ()! z wartoścą oczewaną warancją ostac: E = λ D = λ. Zmenna losowa ma rozład ujemny dwumanowy (Polya), jeżel jej funcja rozładu rawdoodobeństwa ma ostać: α Γ( α + ) β P( = ) = (3) Γ( α)! + β + β β Przyjmując =, β > 0, funcja rozładu rawdoodobeństwa + β rozładu ujemnego dwumanowego z arametram α dana jest równanem: P( α + α = ) = ( ), = 0,,,...; α > 0 (4)

4 0 Anna Szymańsa α + Γ( α + ) gdze: = Γ( α) Γ( + ) Γ( α + ) =. Γ( α)! Wartość oczewana warancja rozładu ujemnego dwumanowego osanego równanam (3) (4) odowedno wynoszą: E α( ) = = α β oraz α( ) α D = = +. β β Rozład ujemny dwumanowy z całowtą wartoścą arametru α nazywany jest rozładem Pascala. Dla α = rozład ujemny dwumanowy nazywany jest rozładem geometrycznym. Nech zmenna losowa ma rozład Possona z arametrem λ oraz nech arametr λ ma rozład odwrotny normalny. Wówczas zmenna losowa ma rozład Possona odwrotny normalny. Funcja rozładu rawdoodobeństwa rozładu Possona odwrotnego normalnego (Posson Inverse Gaussan) dana jest wzorem: ( αθ / ) ( α θ ) K ( ) α P ( = ) = ex α, = 0,,... (5) π! gdze: K ( α) jest zmodyfowaną funcją Bessela trzecego rodzaju (dla dodatnch rzeczywstych argumentów) ostac: K ( + ) ( )! π! ( ) = ex( ) α α (α ),,... (6) α = 0! = Wartość oczewana warancja rozładu są ostac: αθ αθ ( θ ) E = D =, 0 < θ, α > 0. 3 / θ 4( θ ) Rozład można rzedstawć, używając nnej arametryzacj, za omocą funcj tworzącej rawdoodobeństwa ostac: ( + β ( ) µ P( t) = ex t) β (7)

5 Rozłady lczby szód w ubezeczenach omunacyjnych OC 03 Wartość oczewana warancja rozładu Possona odwrotnego normalnego mają wówczas ostać: E = µ D = µ ( + β ), a wartośc rawdo- odobeństw można oblczyć reurencyjne ze wzorów: ( + ), µ 0 = P( = 0) = ex β β µ = P( = ) = 0, + β (8) β 3 = ) = + β 3 µ +, =,3,... + β ( ) = P( µ Ponadto zachodz zwąze: λ = ( + β ). β Nech zmenna losowa ma rozład Possona z arametrem λ oraz nech arametr λ będze zmenną losową o rozładze logarytmczno-normalnym. Wówczas zmenna losowa ma rozład Possona logarytmczno normalny z funcją rozładu rawdoodobeństwa daną równanem: P( = ) = ex( λ) λ σ π! = 0,,..., µ R, σ > 0 0 (ln λ µ ) ex σ dλ, (9) Wartość oczewana warancja rozładu mają ostać: E = ex µ + σ oraz D = ex( µ + σ ) + ex µ + σ ex( µ + σ ) gdze µ σ są odowedno wartoścą oczewaną warancją zmennej losowej Λ o rozładze logarytmczno normalnym.,

6 04 Anna Szymańsa Funcja rozładu rawdoodobeństwa rozładu Possona Possona (Neymana tyu A) wyraża sę wzorem: P( = λ ) = ex( ) n n λ ( λ ex( λ )), = 0,,,... (0)! n = n! 0 Wartość oczewana warancja rozładu Neymana tyu A wynoszą: E = λ λ oraz D = λ λ ( + λ ). Prawdoodobeństwa rozładu Neymana tyu A można wyznaczyć reurencyjne za omocą wzorów: λ = j= jq j j, =,,..., = ex{ λ[ ex( )]}, 0 λ () q λ = q. Uogólnony rozład Posona Pascala to rozład osywany za omocą funcj tworzącej momenty ostac: M α α [ β ( t )] ( + β ) ( t) = ex λ, α >, λ > 0, β > 0 α ( + β ) () Wartość oczewana, warancja oraz sośność rozładu wynoszą odowedno: α E = µ = λ[ ( + β) ] αβ, D = µ = µ [ + ( α + ) β] 3 + oraz = α ( µ µ ) γ µ 3µ µ +. α + µ

7 Rozłady lczby szód w ubezeczenach omunacyjnych OC 05 Dla α > 0 rozład jest nazywany rozładem Possona Pascala. Dla α = rozład jest nazywany rozładem Polya Ael. Dla α = 0, 5 rozład nazywa sę rozładem Possona odwrotnym normalnym. Wartośc rawdoodobeństw uogólnonego rozładu Possona Pascala można wyznaczyć ze wzorów reurencyjnych ostac: λ = j= jq j j, =,,..., q 0 = ex( λ), + α β = q, =,3,..., + β α β q =. α ( + β ) + β (3) 3. WYBÓR ROZKŁADU LICZBY SZKÓD Helmann sugeruje wybór rozładu lczby szód w ubezeczenach omunacyjnych odowedzalnośc cywlnej w zależnośc od relacj mędzy wartoścą oczewaną warancją z róby 6 rozważając trzy rozłady: dwumanowy, Possona oraz ujemny dwumanowy. Według racy Panjer Wllmot 7 wstęny wybór teoretycznego rozładu lczby szód może być oarty na oblczonych momentach z róby oraz wsółczynnach częstośc. Nech,,..., n będze róbą rostą oraz,,..., n nezależnym zmennym losowym o tym samym rozładze soowym. Momenty zwyłe rzędu r z róby mają ostać: n r M r =, r =,,3,... (4) n = W rzyadu danych zagregowanych, gdze znamy tylo lczbę ols dla danej lczby szód, momenty zwyłe z róby wynoszą: 6 W. R. H e l m a n n, Fundamentals of Rs Theory, Verlag Versecherungswrtschaft e.v., Karlsruhe 988, s H. H. P a n j e r, G. E. W l l m o t, o. ct., s. 9.

8 06 Anna Szymańsa gdze N jest lczbą r M r = N, r =,,... (5) n l=, dla tórych: =, ( = 0,,...), n = N oraz = N = 0 n = 0 Perwsze trzy momenty centralne z róby wynoszą: = M ; S = M M ; 3 M M 3 K = M 3 + M. Wsółczynn częstośc osuje równane: N+ T = ( + ), = 0,,,... (6) N Wyberając rozład lczby roszczeń najerw rozatruje sę rozłady z lasy (a,b,0) 8, czyl rozład Possona, dwumanowy lub ujemny dwumanowy. Nech: T = ( a + b) + a, = 0,,,... (7) będze równanem ewnej funcj. W rzyadu, gdy funcja dana równanem (7) jest rostą, tórej wsółczynn erunowy: wynos zero oraz = S, wówczas do modelowana rozładu lczby szód nadaje sę rozład Possona; jest ujemny oraz > S, wówczas rozład lczby szód można modelować rozładem dwumanowym; jest dodatn oraz < S, ownno sę wybrać rozład ujemny dwumanowy. W rzyadu, gdy funcja osana równanem (7) rośne szybcej nż lnowo należy rozważyć sośność rozładu. Jeżel sełnone jest równane: K ( S ) = 3S +, 8 Por. W. O t t o, Matematya w ubezeczenach. Ubezeczena majątowe, WNT, Warszawa 00.

9 Rozłady lczby szód w ubezeczenach omunacyjnych OC 07 to rozład ujemny dwumanowy ownen dobrze modelować lczbę szód. Jeżel rawdzwa jest nerówność: K ( S ) < 3S +, to do osu rozładu lczby szód można użyć uogólnonego rozładu Possona Pascala lub jego secjalnego rzyadu rozładu Possona odwrotnego normalnego. W rzyadu, gdy rawdzwa jest nerówność: K ( S ) > 3S +, to do modelowana rozładu lczby szód nadają sę rozłady: Neymana tyu A, Polya Ael, Possona Pascala lub ujemnego dwumanowego. 4. STATYSTYCZNE METODY OCENY DOPASOWANIA ROZKŁADÓW EMPIRYCZNYCH I TEORETYCZNYCH Test zgodnośc χ test λ -Kołmogorowa to najczęścej stosowane w lteraturze atuaralnej testy, służące do oceny stona doasowana rozładu teoretycznego do danych emrycznych. Warto jedna zauważyć, że w rzyadu rozładu lczby szód w ubezeczenach omunacyjnych OC lczba las często ne rzeracza czterech, co srawa, że lczba ston swobody testu zgodnośc ch-wadrat jest zbyt mała. Ponadto w ubezeczenach omunacyjnych w lase z lczbą szód zero oncentruje sę węszość ols owodując zneształcene rozładu. W rzyadu całych ortfel owstaje taże roblem z lczebnoścą róby. Test zgodnośc ch-wadrat z reguły rzy róbach owyżej 900 odrzuca hotezę zerową nawet mmo dużej zgodnośc danych emrycznych z badanym rozładem teoretycznym. W tach rzyadach w lteraturze statystycznej można znaleźć mary oceny stona doasowana rozładu teoretycznego do danych emrycznych, tae ja: odchylene standardowe różnc częstośc względnych, wsaźn odobeństwa strutur, wsaźn odobeństwa rozładów, wsaźn masymalnej różncy częstotlwośc względnych, czy wsaźn masymalnej różncy dystrybuant 9. 9 Por. J. K o r d o s, Metody analzy rognozowana rozładów łac dochodów ludnośc, PWE, Warszawa 973, s. 5 8.

10 08 Anna Szymańsa Odchylene standardowe różnc częstośc względnych to mara dana wzorem: S r = ( ˆ γ ) = γ (8) gdze: lczba las, γ częstośc emryczne, γˆ częstośc teoretyczne (oszacowane). Mara jest równa zeru w rzyadu ełnej zgodnośc rozładu emrycznego teoretycznego. Z raty wyna, że: wartość S r 0, 005 śwadczy o wysoej zgodnośc rozładów; jeżel 0,005 S r < 0, 0, to zgodność badanych rozładów jest zadawalająca; S r 0, 0 śwadczy o znacznych odchylenach mędzy badanym rozładam. Wsaźn odobeństwa strutur rzedstawa wzór: w mn(, ˆ γ ) = = γ (9) gdze: oznaczena ja wyżej. Wsaźn rzyjmuje wartośc z rzedzału [0,]. Im jego wartość blższa jednośc tym bardzej odobne strutury badanych rozładów. Wsaźn odobeństwa rozładów oreśla równane: W = ˆ γ = γ (0) gdze: oznaczena ja wyżej. Wsaźn odobeństwa rozładów jest równy 00% dla rozładów całowce zgodnych. Rozłady wyazują wysoą zgodność gdy W 0, 97. Jeżel W < 0,95 to rozłady wyazują znaczne rozbeżnośc.

11 Rozłady lczby szód w ubezeczenach omunacyjnych OC 09 Wsaźn masymalnej różncy częstotlwośc względnych jest dany wzorem: r max max γ ˆ = γ () gdze: oznaczena ja wyżej. Wsaźn ten jest równy zeru dla rozładów całowce zgodnych. Jeżel r max < 0,0, to uważa sę, że rozłady są dość zgodne. Wsaźn masymalnej różncy dystrybuant defnuje równane: D max = max F Fˆ () gdze: F = γ j= Fˆ = ˆ j= j wartość dystrybuanty emrycznej, γ wartość dystrybuanty teoretycznej. Wsaźn ten jest równy zeru dla rozładów całowce zgodnych. We wstęnych analzach zgodnośc rozładów lczby szód z rozładam teoretycznym można orócz wsaźnów danych wzoram (8) () stosować orównana arametrów badanych rozładów, tach ja: średna, medana, erwszy trzec wartyl, erwszy dzewąty decyl, mary zróżncowana rozładów. Przyjmuje sę, że jeżel różnce względne ocen wszystch arametrów rozładu emrycznego teoretycznego ne rzeraczają 5%, to rozłady są dość zgodne. Można równeż stosować testy statystyczne weryfujące hotezy o wartoścach arametrów rozładu emrycznego. Zastosowane wszystch wymenonych metod ozwala dość doładne wybrać rozład teoretyczny doasowany do danych emrycznych. 5. PRZYKŁADY EMPIRYCZNE W częśc dotyczącej zastosowań doonano oceny rozładów lczby szód w ubezeczenach omunacyjnych na dwóch rzyładowych zborach danych rzeczywstych. Doonano estymacj arametrów rozładów metodą momentów

12 0 Anna Szymańsa oraz doasowano rozład teoretyczny do emrycznego za omocą mar rzedstawonych w częśc 4 racy. Przyład. Rozład lczby szód dla ooło ols ubezeczeń omunacyjnych OC dla rynu nemecego w rou 000 rzedstawa tab.. Zgodne z wcześnej rzedstawoną zasadą wyboru rozładu lczby szód ocenono relację wartośc oczewanej warancj rozładu emrycznego. Dla danych z tab. : = 0,04065, S = 0, 0405, czyl > S. Zatem rozład lczby szód można osać rozładem dwumanowym. Poneważ różnca omędzy wartoścą oczewaną, a warancją w rozładze emrycznym ne jest duża, zbadano równeż zgodność z rozładem Possona. Wartośc mar oceny stona doasowana rozładów emrycznego teoretycznych rzedstawa tab.. Rozłady lczby szód T a b e l a Prawdoodobeństwo Lczba szód Lczba ols rozład rozład emryczne dwumanowy Possona , , , , , , , , , ,7063E-05,0747E-05,0747E-05 4,8377E-06,09E-07,09E-07 Suma Ź r ó d ł o: oblczena własne na odstawe danych z racy: S. G s c h lőβl, C. C z a d o, Satal modellng of clam frequency and clam sze n non-lfe nsurance, Scandnavan Actuaral Journal 007, vol. 3, s Mara Mary stona doasowana rozładów dwumanowy Rozład teoretyczny Possona T a b e l a S r 0, , w 0, , W 0, , r max 0, , D max 0, ,463E-05 Ź r ó d ł o: badana własne. Doonując analzy mar z tab. neco leej do danych emrycznych asuje rozład Possona.

13 Rozłady lczby szód w ubezeczenach omunacyjnych OC Przyład. Tabela 3 rzedstawa rozład lczby szód w ubezeczenach omunacyjnych dla ooło 00 tys. ols z rynu belgjsego z lat 975/76. W rzyadu rzyładu arametry rozładu lczby szód wynoszą: = 0,0, S = 0, 074, czyl < S. Dodatowo ocenono sośność rozładu K = 0, 647 oraz wartość wyrażena: ( S ) 3S + = 0,098. ( S ) Poneważ K 3S +, to rozważono nastęujące rozłady teoretyczne: Possona, ujemny dwumanowy, Possona odwrotny nor- malny oraz Neymana tyu A. Uogólnony rozład Possona Pascala w tym rzyadu ne mógł być rozważany ze względu na nesełnene rzez rozład emryczny założeń dotyczących arametrów rozładu. Lczba szód Lczba ols emryczne Rozłady lczby szód Possona Prawdoodobeństwo ujemny dwumanowy Possona odwrotny normalny T a b e l a 3 Neymana tyu A , , , , , , , , , , , , , , , , , , , , ,436E-05 3,9353E-06 3,3096E-05,5E-05 0, Ź r ó d ł o: oblczena własne na odstawe danych z racy: J. L e m a r e, Automobl Insurance. Actuaral Models, Kluwer, Boston 985. Mara Possona Mary stona doasowana rozładów ujemny dwumanowy Rozład teoretyczny Possona odwrotny normalny T a b e l a 4 Neymana tyu A S r 0, , , , w 0, , , , W 0, , , , r max 0, , , , D max 0, , , , Ź r ó d ł o: badana własne.

14 Anna Szymańsa Na odstawe tab. 4 należy stwerdzć, że do danych emrycznych najleej doasowany jest rozład ujemny dwumanowy. 6. PODSUMOWANIE W rzyadu rozładu lczby szód w ubezeczenach omunacyjnych OC ne można w sosób jednoznaczny oreślć tyu rozładu teoretycznego. Dla ażdego rynu ubezeczenowego rozład lczby szód może być zgodny z nnym rozładem teoretycznym. Należy równeż odreślć, że na ocenę stona doasowana rozładów na ewno ma wływ metoda estymacj arametrów rozładu, czego ne badano w nnejszej racy. Na uwagę zasługuje równeż fat, że ne wszyste rozłady teoretyczne mogą być w ogóle rozważane dla onretnych danych emrycznych, co wyna z formalnych defncj tych rozładów. BIBLIOGRAFIA A t c h s o n J., H o C. H., The Multvarate Posson Lognormal Dstrbuton, Bometra 989, vol. 76. G o m e z - D e n z E., S a r a b a J. M., P e r e z J. M., V a z q u e z F., Usng a Bayesan herarchcal model for fttng automoble clam frequency data, Communcatons n Statstcs: Theory and Methods 008, vol. 37. G r f f t h s D. A., Maxmum Lelhood Estmaton for the Beta-Bnomnal Dstrbuton and Alcaton to the Household Dstrbuton of the Total Number of Cases of Dsease, Bometrcs 973, vol. 9. G s c h lőβl S., C z a d o C., Satal modellng of clam frequency and clam sze n non-lfe nsurance, Scandnavan Actuaral Journal 007, vol. 3. H e l m a n n W. R., Fundamentals of Rs Theory, Verlag Versecherungswrtschaft e.v., Karlsruhe 988. I b w o y e A., A d e l e e A., A d u l o j u S. A., Quest for Otmal Bonus-Malus n Automoble Insurance n Develong Economes: An Actuaral Persectve, Internatonal Busness Research 0, vol. 4, no. 4. K o r d o s J., Metody analzy rognozowana rozładów łac dochodów ludnośc, PWE, Warszawa 973. L e m a r e J., Automobl Insurance. Actuaral Models, Kluwer, Boston 985. L e m a r e J., Bonus-Malus Systems n Automoble Insurance, Kluwer, Boston 995. M e r t M., S a y a n Y., On a Bonus-Malus System where the Clam Frequency Dstrbuton s Geometrc and the Clam Severty Dstrbuton s Pareto, Hacettee Journal of Mathematcs and Statstcs 005, vol. 34. O t t o W., Matematya w ubezeczenach. Ubezeczena majątowe, WNT, Warszawa 00. P a n j e r H. H., W l l m o t G. E., Insurance rs models, Socety of Actuares, Schaumburg 99. Raort o stane setora ubezeczeń o I ółroczu 0 rou, KNF, Warszawa 0,

15 Rozłady lczby szód w ubezeczenach omunacyjnych OC 3 S a r a b a J. M., G o m e z - D e n z E., Dstrbucones multvarantes Posson beta con alcacones a datos de seguros, Investgacones en Seguros y Geston de Resgos, Resgo 007. S a r a b a J. M., G o m e z - D e n z E., V a z q u e z - P o l o F., On the Use of Condtonal Models n Clam Count Dstrbutons: An Alcaton to Bonus-Malus Systems, ASTIN Bulletn 004, vol. 34, no.. S h e n g w a n g M., Y u a n W., W h t m o r e G. A., Accountng for Indvdual Over-Dserson n a Bonus-Malus Automoble Insurance System, ASTIN Bulletn 999, vol. 9, no.. T r e m b l a y L., Usng the Posson Inverse Gaussan n bonus-malus systems, ASTIN Bulletn 99, vol., no.. W l l m o t G. E., The Posson-nverse Gaussan dstrbutonas an alternatve to the negatve bnomnal, Scandnavan Actuaral Journal 987. Dane źródłowe: Rozorządzene Mnstra Fnansów z dna 8 grudna 009 r. w srawe szczególnych zasad rachunowośc załadów ubezeczeń załadów reaseuracj, DzU 009, nr 6, oz. 85. Ustawa z dna 8 lca 990 r. o dzałalnośc ubezeczenowej, DzU 990, nr 59, oz Anna Szymańsa ROZKŁADY LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH OC Ustalene wysoośc sład ubezeczenowej jest odstawowym zadanem ażdego towarzystwa ubezeczenowego. W ubezeczenach omunacyjnych OC wyznaczene sład wymaga znajomośc rozładów lczby wartośc szód w ortfelu. W racy rzedstawono najczęścej wyorzystywane w ubezeczenach omunacyjnych rozłady modelujące lczbę szód oraz zwrócono uwagę na metodologczne roblemy dotyczące oceny doasowana danych emrycznych do rozładów teoretycznych. Słowa luczowe: rozład lczby szód, ubezeczena omunacyjne OC. DISTRIBUTIONS OF THE NUMBER OF CLAIMS IN MOTOR LIABILITY CAR INSURANCE Determnng the amount of the nsurance remum s the rmary tas of each nsurance comany. In motor lablty car nsurance determnng of remums requres the nowledge of dstrbuton of the number and amount of clams n the ortfolo. The aer resents the most commonly used n motor nsurance dstrbutons modelng the number of clams and hghlghts the methodologcal roblems to evaluate the ft of emrcal data to theoretcal dstrbutons. Key words: dstrbuton of the number of clams, motor lablty car nsurance.

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. Zmienna losowa skokowa i jej rozkład STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12 Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci Zadane. Macerz radoodobeńst rzejśca ojedynczym kroku dla łańcucha Markoa...... o trzech stanach { } jest ostac 0 n 0 0 (oczyśce element stojący -tym erszu j -tej kolumne tej macerzy oznacza P( = j. Wtedy

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym Załązn nr 3 Do zzegółowyh Zasad rowadzena Rozlzeń Transa rzez KDW_CC Zasady wyznazana mnmalne wartoś środów oberanyh rzez uzestnów od osób zleaąyh zaware transa na rynu termnowym 1. Metodologa wyznazana

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E bedze zborem zdarzen elementarnych danego doswadczena. Funcje X(e) przyporzadowujaca azdemu zdarzenu elementarnemu e E jedna tylo jedna lczbe X(e)x nazywamy ZMIENNA

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20 FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn. 2010, Oeconomca 280 (59), 13 20 Iwona Bą, Agnesza Sompolsa-Rzechuła LOGITOWA ANALIZA OSÓB UZALEŻNIONYCH OD ŚRODKÓW

Bardziej szczegółowo

Matematyka finansowa r.

Matematyka finansowa r. . Sprawdź, tóre z ponższych zależnośc są prawdzwe: () = n n a s v d v d d v v d () n n m ) ( n m ) ( v a d s ) m ( = + & & () + = = + = )! ( ) ( δ Odpowedź: A. tylo () B. tylo () C. tylo () oraz () D.

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

TERMODYNAMIKA TECHNICZNA I CHEMICZNA

TERMODYNAMIKA TECHNICZNA I CHEMICZNA TRMODYNAMIKA TCHNICZNA I CHMICZNA Część IV TRMODYNAMIKA ROZTWORÓW TRMODYNAMIKA ROZTWORÓW FUGATYWNOŚCI I AKTYWNOŚCI a) Wrowadzene Potencjał chemczny - rzyomnene de G n na odstawe tego, że otencjał termodynamczny

Bardziej szczegółowo

ZŁOŻONY MIESZANY ROZKŁAD POISSONA ZASTOSOWANIA UBEZPIECZENIOWE

ZŁOŻONY MIESZANY ROZKŁAD POISSONA ZASTOSOWANIA UBEZPIECZENIOWE Studa Ekonomczne. Zeszyty Naukowe Unwersytetu Ekonomcznego w Katowcach ISSN 083-8611 Nr 7 015 Mchał Trzęsok Unwersytet Ekonomczny w Katowcach Wydzał Zarządzana Katedra Analz Gospodarczych Fnansowych mchal.trzesok@ue.katowce.pl

Bardziej szczegółowo

Bayesowskie testowanie modeli tobitowych w analizie spłaty kredytów detalicznych

Bayesowskie testowanie modeli tobitowych w analizie spłaty kredytów detalicznych Jerzy Marzec, Katedra Ekonometr Badań Oeracyjnych, Unwersytet Ekonomczny w Krakowe 1 Bayesowske testowane model tobtowych w analze słaty kredytów detalcznych Wstę Podstawowym narzędzem wsomagającym racę

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Rozkłady statystyczne w fizyce jądrowej

Rozkłady statystyczne w fizyce jądrowej UNIWERSYTET SZCZECIŃSKI INSTYTUT FIZYKI ZAKŁAD FIZYKI CIAŁA STAŁEGO Ćwczene laboratoryjne Rozłady statystyczne w fzyce jądrowej SZCZECIN 005 WSTĘP Różne neontrolowane zaburzena zewnętrzne (wahana temperatury,

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lecja 4 Nearametrycze testy stotośc ZADANIE DOMOWE www.etraez.l Stroa 1 Część 1: TEST Zazacz orawą odowedź (tylo jeda jest rawdzwa). Pytae 1 W testach earametryczych a) Oblczamy statystyę

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

FORECASTING 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 szczegółowo

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadane teoretyczne Rozwąż dowolne rzez sebe wybrane dwa sośród odanych nże zadań: ZADANIE T Nazwa zadana: Protony antyrotony A. Cząstk o mase równe mase rotonu, ale

Bardziej szczegółowo

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI. EONOMIA MENEDŻERSA Wykład 3 Funkcje rodukcj 1 FUNCJE PRODUCJI. ANAIZA OSZTÓW I ORZYŚCI SAI. MINIMAIZACJA OSZTÓW PRODUCJI. 1. FUNCJE PRODUCJI: JEDNO- I WIEOCZYNNIOWE Funkcja rodukcj określa zależność zdolnośc

Bardziej szczegółowo

Metody probabilistyczne Rozwiązania zadań

Metody probabilistyczne Rozwiązania zadań Metody robabilistyczne Rozwiązania zadań 6. Momenty zmiennych losowych 8.11.2018 Zadanie 1. Poaż, że jeśli X Bn, to EX n. Odowiedź: X rzyjmuje wartości w zbiorze {0, 1,..., n} z rawdoodobieństwami zadanymi

Bardziej szczegółowo

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych ZIP 007/008 (zaoczne) Rozłady zmiennych losowych I. X zmienna losowa soowa. Rozład zero jedynowy X rzybiera dwie wartości: i 0 Jeśli P(X ), to (X ) q P gdyż P(X ) P(X ) Rozład zmiennej losowej jest rozładem

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Rozłady soowe Rozład jednopuntowy Oreślamy: P(X c) 1 gdzie c ustalona liczba. 1 EX c, D 2 X 0 (tylo ten rozład ma zerową wariancję!!!)

Bardziej szczegółowo

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń: .. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B

Bardziej szczegółowo

Komisja Egzaminacyjna dla Aktuariuszy. XL Egzamin dla Aktuariuszy z 9 października 2006 r. Część I. Matematyka finansowa

Komisja Egzaminacyjna dla Aktuariuszy. XL Egzamin dla Aktuariuszy z 9 października 2006 r. Część I. Matematyka finansowa Komisja Egzaminacyjna dla Aktuariuszy XL Egzamin dla Aktuariuszy z 9 aździernika 006 r. Część I Matematyka finansowa Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 00 minut . Ile wynosi wartość

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

F - wypadkowa sił działających na cząstkę.

F - wypadkowa sił działających na cząstkę. PRAWA ZACHOWAIA Podstawowe termny Cała tworzące uład mechanczny oddzałują mędzy sobą z całam nenależącym do uładu za omocą: Sł wewnętrznych Sł zewnętrznych - Sł dzałających na dane cało ze strony nnych

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne XXX OLIPIADA FIZYCZNA TAP I Zadana teoretczne Nazwa zadana ZADANI T1 Na odstawe wsółczesnch badań wadomo że jądro atomowe może znajdować sę tlo w stanach o oreślonch energach odobne ja dobrze znan atom

Bardziej szczegółowo

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4. Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ

Bardziej szczegółowo

Wybrane rozkłady zmiennych losowych i ich charakterystyki

Wybrane rozkłady zmiennych losowych i ich charakterystyki Rozdział 1 Wybrane rozłady zmiennych losowych i ich charaterystyi 1.1 Wybrane rozłady zmiennych losowych typu soowego 1.1.1 Rozład równomierny Rozpatrzmy esperyment, tóry może sończyć się jednym z n możliwych

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Badanie energetyczne płaskiego kolektora słonecznego

Badanie energetyczne płaskiego kolektora słonecznego Katedra Slnów Salnowych Pojazdów ATH ZAKŁAD TERMODYNAMIKI Badane energetyczne łasego oletora słonecznego - 1 - rowadzene yorzystane energ celnej romenowana słonecznego do celów ogrzewana, chłodzena oraz

Bardziej szczegółowo

Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka

Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE Joanna Sawicka Plan prezentacji Model Poissona-Gamma ze składnikiem regresyjnym Konstrukcja optymalnego systemu Bonus- Malus Estymacja

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

Bardziej szczegółowo

Różne rozkłady prawdopodobieństwa

Różne rozkłady prawdopodobieństwa Różne rozłady prawdopodobieństwa. Rozład dwupuntowy D(p). Zmienna losowa ξ ma rozład D(p), jeżeli P p {ξ = 0} = p oraz P p {ξ = } = p. Eξ = p D ξ = p( p). Rozład dwumianowy Bin(n, p). Zmienna losowa ξ

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Pobrane z czasopisma Annales H - Oeconomia Data: 01/06/ :19:23

Pobrane z czasopisma Annales H - Oeconomia  Data: 01/06/ :19:23 Pobrane z czasopsma Annales H - Oeconoma http://oeconoma.annales.umcs.pl DOI:0.795/h.206.50.4.497 ANNALES UNIVERSITATIS MARIAE CURIE-SKŁODOWSKA LUBLIN POLONIA VOL. L, 4 SECTIO H 206 Unwersytet Łódzk. Wydzał

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 0.0.005 r. Zadanie. Likwidacja szkody zaistniałej w roku t następuje: w tym samym roku z prawdopodobieństwem 0 3, w następnym roku z prawdopodobieństwem 0 3, 8 w roku

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 3..007 r. Zadanie. Każde z ryzyk pochodzących z pewnej populacji charakteryzuje się tym że przy danej wartości λ parametru ryzyka Λ rozkład wartości szkód z tego ryzyka

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

dla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.

dla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2. Zadanie. Dla dowolnej zmiennej losowej X o wartości oczekiwanej μ, wariancji momencie centralnym μ k rzędu k zachodzą nierówności (typu Czebyszewa): ( X μ k Pr > μ + t σ ) 0. k k t σ *

Bardziej szczegółowo

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI.

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI. Dywersyfkacja ortfela orzez nwestycje alternatywne. Prowadzący: Jerzy Nkorowsk, Suerfund TFI. Część I. 1) Czym jest dywersyfkacja Jest to technka zarządzana ryzykem nwestycyjnym, która zakłada osadane

Bardziej szczegółowo

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k = Matematyka ubezpieczeń majątkowych 0.0.006 r. Zadanie. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k 5 Pr( N = k) =, k = 0,,,... 6 6 Wartości kolejnych szkód Y, Y,, są i.i.d.,

Bardziej szczegółowo

Rezerwa IBNR w ubezpieczeniach majątkowych

Rezerwa IBNR w ubezpieczeniach majątkowych Rezerwa IBNR w ubezpeczenach maątkowych metody e kalkulac mgr Agneszka Pobłocka Unwersytet Gdańsk RTU ogółem (Dzał I Dzał II) ch udzał w PKB (w mld zł, %) 9,0% 7,5 % 7,7 % 7,6 % 120,00 8,0% 7,3 % 6,6 %

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 4 1 / 23 ZAGADNIENIE ESTYMACJI Zagadnienie

Bardziej szczegółowo

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Proko roko@sgh.waw.l Statyka dynamka olgoolstyczne struktury rynku. Modele krótkookresowe konkurenc cenowe w olgoolu.. Model ogranczonych mocy rodukcynych ako wyaśnene

Bardziej szczegółowo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej

Bardziej szczegółowo

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach:

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach: Zadanie. O niezależnych zmiennych losowych N, M M, M 2, 3 wiemy, że: N ma rozkład Poissona z wartością oczekiwaną równą 00 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach: 2, 3 Pr( M = )

Bardziej szczegółowo

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko MECHANIKA Wykład Nr 10 MOMENT BEZWŁADNOŚCI Prowadzący: dr Krzysztof Polko Defncja momentu bezwładnośc Momentem bezwładnośc punktu materalnego względem płaszczyzny, os lub beguna nazywamy loczyn masy punktu

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB Julusz MDZELEWSK Wydzał Eletron Techn nformacyjnych, nstytut Radoeletron, oltechna Warszawsa do:0.599/48.05.09.36 dosonalona metoda oblczana mocy traconej w tranzystorach wzmacnacza lasy AB Streszczene.

Bardziej szczegółowo

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 11 i 12 - Weryfikacja hipotez statystycznych

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 11 i 12 - Weryfikacja hipotez statystycznych WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 11 i 12 - Weryfikacja hipotez statystycznych Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 11 i 12 1 / 41 TESTOWANIE HIPOTEZ - PORÓWNANIE

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1 Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, Ŝe 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.

Bardziej szczegółowo

Bayesowskie prognozy migracji zagranicznych w Europie: wybrane propozycje metodologiczne

Bayesowskie prognozy migracji zagranicznych w Europie: wybrane propozycje metodologiczne Bayesowske rognozy mgracj zagrancznych w Euroe: wybrane roozycje metodologczne Jakub Bjak Badań Mgracyjnych Ludnoścowych w Warszawe Ogólnoolske Semnarum Naukowe Dynamczne Modele Ekonometryczne Toruń, 4

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Zadanie Rozważmy następujący model strzelania do tarczy. Współrzędne puntu trafienia (, Y ) są niezależnymi zmiennymi losowymi o jednaowym rozładzie normalnym N ( 0, σ ). Punt (0,0) uznajemy za środe tarczy,

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

Bardziej szczegółowo

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

Statystyka matematyczna. Wykład III. Estymacja przedziałowa Statystyka matematyczna. Wykład III. e-mail:e.kozlovski@pollub.pl Spis treści Rozkłady zmiennych losowych 1 Rozkłady zmiennych losowych Rozkład χ 2 Rozkład t-studenta Rozkład Fischera 2 Przedziały ufności

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne

Bardziej szczegółowo

Wykład 7 Testowanie zgodności z rozkładem normalnym

Wykład 7 Testowanie zgodności z rozkładem normalnym Wykład 7 Testowanie zgodności z rozkładem normalnym Wrocław, 05 kwietnia 2017 Rozkład normalny Niech X = (X 1, X 2,..., X n ) będzie próbą z populacji o rozkładzie normalnym określonym przez dystrybuantę

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene

Bardziej szczegółowo

Statystyka matematyczna. Wykład VI. Zesty zgodności

Statystyka matematyczna. Wykład VI. Zesty zgodności Statystyka matematyczna. Wykład VI. e-mail:e.kozlovski@pollub.pl Spis treści 1 Testy zgodności 2 Test Shapiro-Wilka Test Kołmogorowa - Smirnowa Test Lillieforsa Test Jarque-Bera Testy zgodności Niech x

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

p Z(G). (G : Z({x i })),

p Z(G). (G : Z({x i })), 3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f Zadanie. W kolejnych latach t =,,,... ubezpieczony charakteryzujący się parametrem ryzyka Λ generuje N t szkód. Dla danego Λ = λ zmienne N, N, N,... są warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Bardziej szczegółowo