Prognozowanie notowań pakietów akcji poprzez ortogonalizację szeregów czasowych 1

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Prognozowanie notowań pakietów akcji poprzez ortogonalizację szeregów czasowych 1"

Transkrypt

1 Prognozowanie notowań paietów acji poprzez ortogonalizację szeregów czasowych Andrzej Kasprzyci. WSĘP Dynamię rynu finansowego opisuje się indesami agregatowymi: cen, ilości i wartości. Indes giełdowy np. Down Jones Industrial ompiluje 30 acji. Inny, na przyład dochodowy WIG, uwzględniający dywidendy, szacowany jest na podstawie notowań 99% wszystich uczestniczących na giełdzie spółe ([4] str. 388). Prognozy ilościowe (np. robione przy użyciu przedziałów ufności) uwzględniają: funcję trendu najczęściej liniową badanie losowości rozładu reszt i autoorelacji sładnia losowego (zwyle addytywnego). rend jest estrapolowany (liniowo, rzadziej inną funcją ciągłą), odejmowany od szeregu czasowego indesu giełdowego, a pozostała reszta tratowana ja stacjonarny proces stochastyczny [5], często sprowadzany do tzw. białego szumu:.. [ Y f ( t)] N [ O, σ ] gdzie f (t) funcja trendu oreślona na przedziale czasowym (dysretnym),.2. t [t t n t n + ] gdzie: t t n czas przeszły, t n chwila obecna, wyprzedzenie prognozy. N[O, ] rozład normalny o wartości oczeiwanej O i wariancji niezależnej od czasu. Y Y(t) szereg czasowy indesu giełdowego. Niezależna zmienna czasowa t zwyle zmienia się co jeden dzień. Najczęściej jedna prognozy ilościowe indesów giełdowych wyorzystują autoorelacje szeregu czasowego i budowane są w oparciu o modele wygładzania wyładniczego. W wielu przypadach dają one zadowalające wynii (na przyjętym poziomie ufności) np. [6]. W nietórych jedna stanowią niepotrzebne obciążenie, sprowadzające rzecz do prognozy naiwnej typu: jutro będzie to samo co dzisiaj (np. [3]; str. 36, przyład 3.7.2). W wyżej przytoczonym przyładzie współczynni α 0,6, w prostej metodzie Browna, jest źle dobrany (metodami Montecarlo?) Minimum funcji błędu: n.3. S( α) [ y t y t ( α)] 2 n t Praca opubliowana w Zeszytach Nauowych Wyższej Szoły Działalności Gospodarczej w Warszawie. Nr 5, 2005.

2 α [0, ]. Znaiem oznaczono wartość prognozowaną. osiągane jest na granicy przedziału, dla wartości α. Sprowadza to prognozę do modelu:.4. y yt t + W tym przypadu model wygładzania wyładniczego z jednym parametrem w ogóle nie powinien być stosowany. Najlepsze rezultaty prognostyczne otrzymuje się modelami autoregresyjnymi typu ARMA i ARIMA ([2], [6]), tóre uwzględniają na złożonym poziomie ufności ciąg opóźnień zmiennej losowej, w omawianym przypadu indesu giełdowego. Nasuwa się pytanie, czy modeli tych dobrze opracowanych eonometrycznie i znajdujących się w standardowych paietach programowych nie można by wyorzystać jeszcze efetywniej? Wydaje się, że ta ja iedyś zrobiono to ze światłem białym, rozładając je na widmo spetralne, można by coś podobnego zrobić z notowaniami paietu acji (a nawet wszystimi acjami np. 99%), na wybranym rynu finansowym. Niniejsza praca jest próbą taiego właśnie podejścia. Wyorzystuje szeregi czasowe notowań poszczególnych acji (np. wiodących), sorelowane ze sobą, siłą rzeczy, działania jednego rynu finansowego. Szeregi te są przeształcane na szeregi ortogonalne tzn. niezależne od siebie (niesorelowane). Do ażdego z tych syntetycznych szeregów, tórych może być stosunowo niewiele (np. 3, 4, ), można zastosować modele ARMA i ARIMA, albo nawet prostsze wygładzania wyładniczego a potem znowu przejść na zwyłe notowania giełdowe acji poszczególnych firm. W dalszej części przedstawiony zostanie model matematyczny taiej operacji, oparty na prostej algebrze liniowej uwzględniający wartości własne macierzy wadratowych. (Niestety, nie uwzględnia tego program nauczania matematyi na ierunach eonomicznych). Studenci ostatnich lat eonometrii nie powinni mieć trudności ze zrozumieniem modelu. 2. SZCZEGÓŁOWY MODEL MAEMAYCZNY Historyczne (przeszłe) notowania wybranego paietu acji (np. w zł) zestawiamy w postaci tablicy tworzącej prostoątną macierz o n olumnach (zmienna czasowa) i wierszach (zmienna indesująca spółi giełdowe). Macierz tą oznaczamy ja następuje 2.. X n n 2n n przy czym n > 2

3 gdzie ij cena acji i-tej firmy w j-tym dniu. W dalszym ciągu przeprowadzimy standaryzację zmiennych losowych. (Nie jest to jedna onieczne). Przeształcamy zmienną losową w nową zmienną y według wzoru 2.2. y ij ij i S i i, 2 j,2 n gdzie: i wartość średnia szeregu czasowego (j, 2, n) dla i-tej zmiennej; S i pierwiaste ze średniego wadratowego odchylenia dla tej samej zmiennej. Symbolicznie: X n Y n Dalej mamy: 2.3. Yn Y K [ ρi l] gdzie K jest wadratową i symetryczną macierzą orelacji zmiennych y i, ρ il współczynniiem orelacji pomiędzy zmiennymi y i i y l (i, l, 2 ). Symbolem oznaczono transpozycję macierzy. Jest oczywiście: ρ ii ; ρ il ρ li Własności funcji własnych pozwalają na utworzenie następującego równania macierzowego (np. [] str. 46). 2.4a. K R λ R lub 2.4b. R K R λ Wyładniiem oznaczono macierz odwrotną do danej macierzy wadratowej, gdzie: R macierz wetorów własnych; λ diagonalna macierz wartości własnych macierzy wadratowej K. Oreślimy teraz nowe szeregi czasowe posługując się operacją: 2.5. n AYn gdzie A jest pewną macierzą (operatorem) przeształcenia, chwilową nieznaną. Dla macierzy wadratowej i symetrycznej jaą jest np. macierz współczynniów orelacji wetory własne są ortogonalne tzn. spełnione jest równanie: 2.6. R R I lub R R I 3

4 gdzie: I jest diagonalną macierzą jednostową. Wynia to natychmiast ze wzoru 2.4b. jest bowiem: K K i dalej (R K R) λ R (R K) λ R K(R ) λ a stąd R R co jest waruniem ortogonalności. Dalej doprowadzimy do sytuacji, w tórej szeregi czasowe n byłyby niezależne liniowo (niesorelowane) czyli aby spełniona była zależność: 2.7. n I W dalszym ciągu do równania 2.7 wstawiamy zależność 2.5, biorąc również pod uwagę, że: n ny A (transpozycja prawej strony zależności 2.5) Otrzymuje się: 2.8. A Yn Y A I Korzystając dalej ze wzorów 2.3. i 2.4 z równania 2.8 otrzymuje się: 2.9. A R λ R A I Jeżeli za niewiadomą macierz A (operator przeształcenia) przyjmiemy: A λ R 2 gdzie λ jest diagonalną macierzą odwrotności pierwiastów z wartości własnych λ i ; i, 2 Jest również: A R λ (transpozycja prawej strony zależności 2.0) bo dla macierzy diagonalnych mamy: 4

5 ( λ 2 ) 2 λ Ostatecznie po podstawieniu do równania 2.9 zależności 2.0 i 2., otrzymuje się: 2.2. λ 2 R R λ R R λ 2 I oraz dalej (po wyonaniu działań na lewej stronie 2.2, z uwzględnieniem 2.6) I I co dowodzi, że macierz oreślona wzorem ogólnym 2.0 jest rozwiązaniem równania 2.8. Równanie 2.5 może być również rozwiązane względem Y n 2.3. Yn A n Aby znaleźć elementy macierzy A zauważymy, że równanie 2.4b można przeształcić następująco: 2.4. K R R λ 0 (mnożąc prawostronnie przez R ) co prowadzi do uładu równań jednorodnych pierwszego stopnia względem współczynniów r j : 2.5. ( ij λ δij ) r j j 0 gdzie δ ij funcja Kroneera (δ ij dla i j δ ij 0 dla i j); ij, 2 pozwalających na obliczenie współczynniów r j zależnych od stałych parametrów. Parametry te można obliczyć z warunu ortogonalności 2.6. R R I Jest to uład równań 2-go stopnia względem współczynniów r j i do dalszych obliczeń można wyorzystać jedynie przeątną główną. 3. OGRANICZENIE MODELU Ja wynia z tou rozumowania przytoczonego w rozdziale 2, onieczne jest spełnienie następujących warunów: 3.. Wielomian charaterystyczny macierzy orelacji powinien posiadać różnych pierwiastów, stanowiących zbiór wartości własnych: λ, λ 2 λ 5

6 3.2. Wszystie wartości własne muszą być dodatnie, co bezpośrednio wynia ze wzoru 2.0, rozdziału 2. Być może metodę tę można będzie zastosować w dziedzinie liczb zespolonych, bo przeształcenie odwrotne (wzór 2.3 rozdział 2) zapewni powrót do liczb rzeczywistych. W tym przypadu pozostałoby jedynie -sze ograniczenie. 4. PRZYKŁAD OBLICZENIOWY Pomijając same szeregi czasowe, jao rzecz szeroo omówioną w najnowszej literaturze przedmiotu (np. [2], [4], [6]), przyjmiemy dla 3 następującą macierz orelacji: 4.. 3K 3 0,5 0,3 0,5 0,7 0,3 0,7 z wielomianu charaterystycznego 4.2. ( λ) 3 0,83( λ) + 0,2 0 Otrzymuje się następujące wartości własne λ 0,26264 λ 2 0, λ 3 2,07983 są zatem spełnione waruni 3. i 3.2 z rozdziału 3. Macierz wetorów własnych oznaczmy ja następuje 4.4. a 3R 3 d g b e h c f i Rozwiązanie uładu 9-ciu równań jednorodnych 2.5, po eliminacji trzech równań jao liniowo zależnych, daje wartości tej macierzy: ,434 α 3R 3,2438α α,54764β 0,26435β β,09246γ,097036γ γ Elementy tej macierzy zależą od trzech dowolnych parametrów: α; β i γ. Z trzech równań dla przeątnej głównej z zależności 2.6 otrzymuje się jedna: 6

7 4.6. zero: α ± 0, β ± 0, γ ± 0, Sprawdzamy jeszcze równanie dla elementu i 2 (2.6), tóry powinien być równy αβ ( 0,434,54764,2438 0, ) 2,84 0 Zatem postulat ten jest spełniony z doładnością do 5-go rzędu. Ostatecznie z zależności 2.0 macierz (operator) przeształcenia trzech szeregów czasowych w szeregi liniowo niezależne przedstawia się następująco: A 3 3 λ 2 3 R 3 0, , , ,420 0, ,537209, , , , , , Macierz (operator) przeształcenia odwrotnego wzór 2.3 oreśla wzór: A 3 0, ,738 0, , ,270477, ,4364 0, , UWAGI KOŃCOWE Przy dzisiejszym rozwoju techni obliczeniowych, przedstawiony wyżej model, nawet dla dużej liczby acji i długich szeregów czasowych, nie przedstawia więszych problemów rachunowych. Wyorzystuje on informacje historyczne jaie zawierają powiązania pomiędzy spółami emitującymi acje na tej samej giełdzie. Można go również potratować jao deompozycję -wymiarowego szeregu czasowego na sładowe syntetyczne. Czy przedstawiona metoda wnosi coś nowego, pomocnego przy prognozowaniu notowań acji? O tym można się będzie przeonać po przeprowadzeniu obliczeń na ilunastu przebiegach rzeczywistych. Jest to oczywiście zadanie wymagające zaangażowania pewnych środów, np. z K.B.N. 7

8 Wzory 2.5 i w onsewencji 2.3 mogą zostać ograniczone do ilu np. 5 6 wetorów własnych w ooło 90% wyjaśniających całowitą zmienność losową. Wydaje się również, że możliwe byłoby wyorzystanie tej metody do ontroli notowań acji spółe podejrzewanych o złamanie przepisów Komisji Papierów Wartościowych. LIERAURA [] Becenbach E. F.: Nowoczesna matematya dla inżynierów. Warszawa, PWN 962. [2] Kufel. (redacja): Analiza szeregów czasowych na początu XXI wieu. oruń, U.M.K [3] Malinowsi A., arapata Z.: Prognozowanie i symulacja rozwoju przedsiębiorstw. Warszawa, Wyższa Szoła Eonomiczna [4] Paradysz J.: Statystya. Wydawnictwo Aademii Eonomicznej w Poznaniu [5] Rozanow J.A.: Wstęp do teorii procesów stochastycznych. Warszawa, PWN 974. [6] Zelias A.: Prognozowanie eonomiczne. eoria, przyłady, zadania. Warszawa, PWN Autor słada podzięowanie profesorowi Stanisławowi Dembińsiemu z U.M.K. za sonsultowanie pracy i uwagi rytyczne. P.S. wrzesień, Przedstawiona praca jest adaptacją metody, tórą iedyś autor zastosował w badaniach zanieczyszczenia powietrza atmosferycznego. Metoda ta i jej numeryczne rozwinięcie (na maszynie cyfrowej ODRA) zostało dobrze ocenione przez prof. dr Jamesa L. McElroya z U.S.A. (zał. ; page 3, rozd. 9; page 5, p-t 4.5) 8

ALGEBRA Z GEOMETRIĄ ANALITYCZNĄ

ALGEBRA Z GEOMETRIĄ ANALITYCZNĄ ALGEBRA Z GEOMETRIĄ ANALITYCZNĄ LISTA ZADAŃ 1 1 Napisać w formie rozwiniętej następujące wyrażenia: 4 (a 2 + b +1 =0 5 a i b j =1 n a i b j =1 n =0 (a nb 4 3 (! + ib i=3 =1 2 Wyorzystując twierdzenie o

Bardziej szczegółowo

DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH

DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH Część 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH... 5. 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH 5.. Wprowadzenie Rozwiązywanie zadań z zaresu dynamii budowli sprowadza

Bardziej szczegółowo

Modelowanie przez zjawiska przybliżone. Modelowanie poprzez zjawiska uproszczone. Modelowanie przez analogie. Modelowanie matematyczne

Modelowanie przez zjawiska przybliżone. Modelowanie poprzez zjawiska uproszczone. Modelowanie przez analogie. Modelowanie matematyczne Modelowanie rzeczywistości- JAK? Modelowanie przez zjawisa przybliżone Modelowanie poprzez zjawisa uproszczone Modelowanie przez analogie Modelowanie matematyczne Przyłady modelowania Modelowanie przez

Bardziej szczegółowo

13. 13. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE

13. 13. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE Część 3. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE 3. 3. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE 3.. Metoda trzech momentów Rozwiązanie wieloprzęsłowych bele statycznie niewyznaczalnych można ułatwić w znaczącym

Bardziej szczegółowo

MODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH

MODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH MODYFICJ OSZTOW LGORYTMU JOHNSON DO SZEREGOWNI ZDŃ UDOWLNYCH Michał RZEMIŃSI, Paweł NOW a a Wydział Inżynierii Lądowej, Załad Inżynierii Producji i Zarządzania w udownictwie, ul. rmii Ludowej 6, -67 Warszawa

Bardziej szczegółowo

WAHADŁO SPRĘŻYNOWE. POMIAR POLA ELIPSY ENERGII.

WAHADŁO SPRĘŻYNOWE. POMIAR POLA ELIPSY ENERGII. ĆWICZENIE 3. WAHADŁO SPRĘŻYNOWE. POMIAR POLA ELIPSY ENERGII. 1. Oscylator harmoniczny. Wprowadzenie Oscylatorem harmonicznym nazywamy punt materialny, na tóry,działa siła sierowana do pewnego centrum,

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Inducja matematyczna Inducja jest taą metodą rozumowania, za pomocą tórej od tezy szczegółowej dochodzimy do tezy ogólnej. Przyład 1 (o zanurzaniu ciał w wodzie) 1. Kawałe żelaza, tóry zanurzyłem w wodzie,

Bardziej szczegółowo

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia

Bardziej szczegółowo

Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na okres drgań

Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na okres drgań KAEDRA FIZYKI SOSOWANEJ PRACOWNIA 5 FIZYKI Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na ores drgań Wprowadzenie Ruch drgający naeży do najbardziej rozpowszechnionych ruchów w przyrodzie.

Bardziej szczegółowo

Algebra liniowa z geometrią analityczną

Algebra liniowa z geometrią analityczną WYKŁAD. Własności zbiorów liczbowych. Podzielność liczb całowitych, relacja przystawania modulo, twierdzenie chińsie o resztach. Liczby całowite Liczby 0,±,±,±3,... nazywamy liczbami całowitymi. Zbiór

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

jednoznacznie wyznaczają wymiary wszystkich reprezentacji grup punktowych, a związki ortogonalności jednoznacznie wyznaczają ich charaktery

jednoznacznie wyznaczają wymiary wszystkich reprezentacji grup punktowych, a związki ortogonalności jednoznacznie wyznaczają ich charaktery Reprezentacje grup puntowych związi pomiędzy h i n a jednoznacznie wyznaczają wymiary wszystich reprezentacji grup puntowych, a związi ortogonalności jednoznacznie wyznaczają ich charatery oznaczenia:

Bardziej szczegółowo

Materiały dydaktyczne. Matematyka. Semestr III. Wykłady

Materiały dydaktyczne. Matematyka. Semestr III. Wykłady Materiały dydatyczne Matematya Semestr III Wyłady Aademia Morsa w Szczecinie ul. Wały Chrobrego - 70-500 Szczecin WIII RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE PIERWSZEGO RZĘDU. Pojęcia wstępne. Równania różniczowe

Bardziej szczegółowo

Ćwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci

Ćwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci Ćwiczenie 4 - Badanie wpływu asymetrii obciążenia na pracę sieci Strona 1/13 Ćwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci Spis treści 1.Cel ćwiczenia...2 2.Wstęp...2 2.1.Wprowadzenie

Bardziej szczegółowo

Wyznaczenie prędkości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze

Wyznaczenie prędkości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze Podstawy analizy wypadów drogowych Instrucja do ćwiczenia 1 Wyznaczenie prędości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze Spis treści 1. CEL ĆWICZENIA... 3. WPROWADZENIE...

Bardziej szczegółowo

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory; Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia

Bardziej szczegółowo

ZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH

ZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH Henry TOMASZEK Ryszard KALETA Mariusz ZIEJA Instytut Techniczny Wojs Lotniczych PRACE AUKOWE ITWL Zeszyt 33, s. 33 43, 2013 r. DOI 10.2478/afit-2013-0003 ZARYS METODY OPISU KSZTAŁTOWAIA SKUTECZOŚCI W SYSTEMIE

Bardziej szczegółowo

Szeregi czasowe, analiza zależności krótkoi długozasięgowych

Szeregi czasowe, analiza zależności krótkoi długozasięgowych Szeregi czasowe, analiza zależności krótkoi długozasięgowych Rafał Weron rweron@im.pwr.wroc.pl Definicje Mając dany proces {X t } autokowariancję definiujemy jako : γ(t, t ) = cov(x t, X t ) = = E[(X t

Bardziej szczegółowo

WYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY 3g. zakres rozszerzony

WYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY 3g. zakres rozszerzony WYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY 3g zares rozszerzony 1. Wielomiany bardzo zna pojęcie jednomianu jednej zmiennej; potrafi wsazać jednomiany podobne; potrafi

Bardziej szczegółowo

Metoda rozwiązywania układu równań liniowych z symetryczną, nieokreśloną macierzą współczynników ( 0 )

Metoda rozwiązywania układu równań liniowych z symetryczną, nieokreśloną macierzą współczynników ( 0 ) MATEMATYKA STOSOWANA 7, 2006 Izabella Czochralsa (Warszawa) Metoda rozwiązywania uładu równań liniowych z symetryczną, nieoreśloną macierzą współczynniów ( 0 ) Streszczenie. W pracy zaadaptowano opracowaną

Bardziej szczegółowo

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F; Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia

Bardziej szczegółowo

Badanie stacjonarności szeregów czasowych w programie GRETL

Badanie stacjonarności szeregów czasowych w programie GRETL Badanie stacjonarności szeregów czasowych w programie GRETL Program proponuje następujące rodzaje testów stacjonarności zmiennych:. Funcję autoorelacji i autoorelacji cząstowej 2. Test Diceya-Fullera na

Bardziej szczegółowo

Wykład 9. Fizyka 1 (Informatyka - EEIiA 2006/07)

Wykład 9. Fizyka 1 (Informatyka - EEIiA 2006/07) Wyład 9 Fizya 1 (Informatya - EEIiA 006/07) 9 11 006 c Mariusz Krasińsi 006 Spis treści 1 Ruch drgający. Dlaczego właśnie harmoniczny? 1 Drgania harmoniczne proste 1.1 Zależność między wychyleniem, prędością

Bardziej szczegółowo

Metody komputerowe i obliczeniowe Metoda Elementów Skoczonych. Element jednowymiarowy i jednoparametrowy : spryna

Metody komputerowe i obliczeniowe Metoda Elementów Skoczonych. Element jednowymiarowy i jednoparametrowy : spryna Metody omputerowe i obliczeniowe Metoda Elementów Soczonych Element jednowymiarowy i jednoparametrowy : spryna Jest to najprostszy element: współrzdne loalne i globalne jego wzłów s taie same nie potrzeba

Bardziej szczegółowo

3. Macierze i Układy Równań Liniowych

3. Macierze i Układy Równań Liniowych 3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych II Metoda Gaussa-Jordana Na wykładzie zajmujemy się układami równań liniowych, pojawi się też po raz pierwszy macierz Formalną (i porządną) teorią macierzy zajmiemy się na kolejnych wykładach Na razie

Bardziej szczegółowo

Matematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki

Matematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi

Bardziej szczegółowo

Metody Ilościowe w Socjologii

Metody Ilościowe w Socjologii Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu

Bardziej szczegółowo

Analiza współzależności zjawisk

Analiza współzależności zjawisk Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.

Bardziej szczegółowo

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY Będziemy zapisywać wektory w postaci (,, ) albo traktując go jak macierz jednokolumnową (dzięki temu nie będzie kontrowersji przy transponowaniu wektora ) Model

Bardziej szczegółowo

3. Analiza własności szeregu czasowego i wybór typu modelu

3. Analiza własności szeregu czasowego i wybór typu modelu 3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej

Bardziej 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

Analiza autokorelacji

Analiza autokorelacji Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.

Bardziej szczegółowo

18. Obliczyć. 9. Obliczyć iloczyn macierzy i. 10. Transponować macierz. 11. Transponować macierz. A następnie podać wymiar powstałej macierzy.

18. Obliczyć. 9. Obliczyć iloczyn macierzy i. 10. Transponować macierz. 11. Transponować macierz. A następnie podać wymiar powstałej macierzy. 1 Czy iloczyn macierzy, które nie są kwadratowe może być macierzą kwadratową? Podaj przykład 2 Czy każde dwie macierze jednostkowe są równe? Podaj przykład 3 Czy mnożenie macierzy przez macierz jednostkową

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: ALGEBRA LINIOWA I GEOMETRIA ANALITYCZNA Kierunek: Inżynieria biomedyczna Linear algebra and analytical geometry forma studiów: studia stacjonarne Kod przedmiotu: IB_mp_ Rodzaj przedmiotu:

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

5. Rozwiązywanie układów równań liniowych

5. Rozwiązywanie układów równań liniowych 5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a

Bardziej szczegółowo

0 + 0 = 0, = 1, = 1, = 0.

0 + 0 = 0, = 1, = 1, = 0. 5 Kody liniowe Jak już wiemy, w celu przesłania zakodowanego tekstu dzielimy go na bloki i do każdego z bloków dodajemy tak zwane bity sprawdzające. Bity te są w ścisłej zależności z bitami informacyjnymi,

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: ALGEBRA LINIOWA I GEOMETRIA ANALITYCZNA Kierunek: Mechatronika Linear algebra and analytical geometry Kod przedmiotu: A01 Rodzaj przedmiotu: obowiązkowy dla wszystkich specjalności Poziom

Bardziej szczegółowo

Pomiary napięć przemiennych

Pomiary napięć przemiennych LABORAORIUM Z MEROLOGII Ćwiczenie 7 Pomiary napięć przemiennych . Cel ćwiczenia Celem ćwiczenia jest poznanie sposobów pomiarów wielości charaterystycznych i współczynniów, stosowanych do opisu oresowych

Bardziej szczegółowo

Rozdział 1 PROGRAMOWANIE LINIOWE

Rozdział 1 PROGRAMOWANIE LINIOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.2 Ćwiczenia komputerowe Ćwiczenie 1.1 Wykorzystując

Bardziej szczegółowo

ZADANIA Z MATEMATYKI DLA STUDENTÓW KIERUNKÓW EKONOMICZNYCH

ZADANIA Z MATEMATYKI DLA STUDENTÓW KIERUNKÓW EKONOMICZNYCH P I O T R DUDZIŃSKI ZADANIA Z MATEMATYKI DLA STUDENTÓW KIERUNKÓW EKONOMICZNYCH GDYNIA 2003 Piotr Dudziński, Zadania z matematyki dla studentów kierunków ekonomicznych, Gdynia 2003, s. 84, bibliografia

Bardziej szczegółowo

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ... Wykład 15 Układy równań liniowych Niech K będzie ciałem i niech α 1, α 2,, α n, β K. Równanie: α 1 x 1 + α 2 x 2 + + α n x n = β z niewiadomymi x 1, x 2,, x n nazywamy równaniem liniowym. Układ: a 21 x

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

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Układy równań liniowych i metody ich rozwiązywania

Układy równań liniowych i metody ich rozwiązywania Układy równań liniowych i metody ich rozwiązywania Łukasz Wojciechowski marca 00 Dany jest układ m równań o n niewiadomych postaci: a x + a x + + a n x n = b a x + a x + + a n x n = b. a m x + a m x +

Bardziej szczegółowo

L A TEX krok po kroku

L A TEX krok po kroku L A TEX krok po kroku Imię i nazwisko Spis treści 1 Sekcja pierwsza 1 1.1 Lista numerowana.......................... 1 2 Wymagania podstawowe 2 2.1 Lista numerowana.......................... 2 3 Troszkę

Bardziej szczegółowo

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1. tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1

Bardziej szczegółowo

Następnie przypominamy (dla części studentów wprowadzamy) podstawowe pojęcia opisujące funkcje na poziomie rysunków i objaśnień.

Następnie przypominamy (dla części studentów wprowadzamy) podstawowe pojęcia opisujące funkcje na poziomie rysunków i objaśnień. Zadanie Należy zacząć od sprawdzenia, co studenci pamiętają ze szkoły średniej na temat funkcji jednej zmiennej. Na początek można narysować kilka krzywych na tle układu współrzędnych (funkcja gładka,

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Wpływ zamiany typów elektrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym

Wpływ zamiany typów elektrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym Wpływ zamiany typów eletrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym Grzegorz Barzy Paweł Szwed Instytut Eletrotechnii Politechnia Szczecińsa 1. Wstęp Ostatnie ila lat,

Bardziej szczegółowo

Arkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw

Arkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw Arkadiusz Manikowski Zbigniew Tarapata Prognozowanie i symulacja rozwoju przedsiębiorstw Warszawa 2002 Recenzenci doc. dr. inż. Ryszard Mizera skład i Łamanie mgr. inż Ignacy Nyka PROJEKT OKŁADKI GrafComp,

Bardziej szczegółowo

LABORATORIUM 3 ALGORYTMY OBLICZENIOWE W ELEKTRONICE I TELEKOMUNIKACJI. Wprowadzenie do środowiska Matlab

LABORATORIUM 3 ALGORYTMY OBLICZENIOWE W ELEKTRONICE I TELEKOMUNIKACJI. Wprowadzenie do środowiska Matlab LABORATORIUM 3 ALGORYTMY OBLICZENIOWE W ELEKTRONICE I TELEKOMUNIKACJI Wprowadzenie do środowiska Matlab 1. Podstawowe informacje Przedstawione poniżej informacje maja wprowadzić i zapoznać ze środowiskiem

Bardziej szczegółowo

METODA PROJEKTOWANIA REJONU ZMIANY KIERUNKU TRASY KOLEJOWEJ

METODA PROJEKTOWANIA REJONU ZMIANY KIERUNKU TRASY KOLEJOWEJ Problemy Kolejnictwa Zeszyt 5 97 Prof. dr hab. inż. Władysław Koc Politechnia Gdańsa METODA PROJEKTOWANIA REJONU ZMIANY KIERUNKU TRASY KOLEJOWEJ SPIS TREŚCI. Wprowadzenie. Ogólna ocena sytuacji geometrycznej

Bardziej szczegółowo

= i Ponieważ pierwiastkami stopnia 3 z 1 są (jak łatwo wyliczyć) liczby 1, 1+i 3

= i Ponieważ pierwiastkami stopnia 3 z 1 są (jak łatwo wyliczyć) liczby 1, 1+i 3 ZESTAW I 1. Rozwiązać równanie. Pierwiastki zaznaczyć w płaszczyźnie zespolonej. z 3 8(1 + i) 3 0, Sposób 1. Korzystamy ze wzoru a 3 b 3 (a b)(a 2 + ab + b 2 ), co daje: (z 2 2i)(z 2 + 2(1 + i)z + (1 +

Bardziej szczegółowo

Wykres linii ciśnień i linii energii (wykres Ancony)

Wykres linii ciśnień i linii energii (wykres Ancony) Wyres linii ciśnień i linii energii (wyres Ancony) W wyorzystywanej przez nas do rozwiązywania problemów inżyniersich postaci równania Bernoulliego występuje wysoość prędości (= /g), wysoość ciśnienia

Bardziej szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCHY KOMPETENCJI EFEKTY KSZTAŁCENIA

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCHY KOMPETENCJI EFEKTY KSZTAŁCENIA I. KARTA PRZEDMIOTU. Nazwa przedmiotu: MATEMATYKA STOSOWANA 2. Kod przedmiotu: Ms 3. Jednostka prowadząca: Wydział Nawigacji i Uzbrojenia Okrętowego 4. Kierunek: Nawigacja 5. Specjalność: Nawigacja morska

Bardziej szczegółowo

MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek

MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek Tytuł: Autor: MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek Wstęp Książka "Modelowanie polskiej gospodarki z pakietem R" powstała na bazie materiałów, które wykorzystywałem przez ostatnie

Bardziej szczegółowo

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k. Funkcje wymierne Jerzy Rutkowski Teoria Przypomnijmy, że przez R[x] oznaczamy zbiór wszystkich wielomianów zmiennej x i o współczynnikach rzeczywistych Definicja Funkcją wymierną jednej zmiennej nazywamy

Bardziej szczegółowo

Metody numeryczne. Janusz Szwabiński. Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/50

Metody numeryczne. Janusz Szwabiński. Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/50 Metody numeryczne Układy równań liniowych, część II Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/50 Układy równań liniowych, część II 1. Iteracyjne poprawianie

Bardziej szczegółowo

Metody Prognozowania

Metody Prognozowania Wprowadzenie Ewa Bielińska 3 października 2007 Plan 1 Wprowadzenie Czym jest prognozowanie Historia 2 Ciągi czasowe Postępowanie prognostyczne i prognozowanie Predykcja długo- i krótko-terminowa Rodzaje

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

Bardziej szczegółowo

3. Modele tendencji czasowej w prognozowaniu

3. Modele tendencji czasowej w prognozowaniu II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb

Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę

Bardziej szczegółowo

Estymacja parametrów w modelu normalnym

Estymacja parametrów w modelu normalnym Estymacja parametrów w modelu normalnym dr Mariusz Grządziel 6 kwietnia 2009 Model normalny Przez model normalny będziemy rozumieć rodzine rozkładów normalnych N(µ, σ), µ R, σ > 0. Z Centralnego Twierdzenia

Bardziej szczegółowo

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i,j) (i = 1,,n;j = 1,,m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F = R lub F = C, nazywamy macierzą (rzeczywistą, gdy F

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

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne)

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne) Przygotował: Dr inż. Wojciech Artichowicz Katedra Hydrotechniki PG Zima 2014/15 1 TABLICE ROZKŁADÓW... 3 ROZKŁAD

Bardziej szczegółowo

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

Podstawowe struktury algebraiczne

Podstawowe struktury algebraiczne Maciej Grzesiak Podstawowe struktury algebraiczne 1. Wprowadzenie Przedmiotem algebry było niegdyś przede wszystkim rozwiązywanie równań. Obecnie algebra staje się coraz bardziej nauką o systemach matematycznych.

Bardziej szczegółowo

... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...

... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu... 4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem

Bardziej szczegółowo

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 OPRACOWAŁY: ANNA ANWAJLER MARZENA KACZOR DOROTA LIS 1 WSTĘP W analizie wykorzystywany będzie model szacowania EWD.

Bardziej szczegółowo

Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015

Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 1 Metody numeryczne Dział matematyki Metody rozwiązywania problemów matematycznych za pomocą operacji na liczbach. Otrzymywane

Bardziej szczegółowo

REFERAT PRACY MAGISTERSKIEJ Symulacja estymacji stanu zanieczyszczeń rzeki z wykorzystaniem sztucznych sieci neuronowych.

REFERAT PRACY MAGISTERSKIEJ Symulacja estymacji stanu zanieczyszczeń rzeki z wykorzystaniem sztucznych sieci neuronowych. REFERAT PRACY MAGISTERSKIEJ Symulacja estymacji stanu zanieczyszczeń rzei z wyorzystaniem sztucznych sieci neuronowych. Godło autora pracy: EwGron. Wprowadzenie. O poziomie cywilizacyjnym raju, obo wielu

Bardziej szczegółowo

Wybrane rozkłady zmiennych losowych. Statystyka

Wybrane rozkłady zmiennych losowych. Statystyka Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1

Bardziej szczegółowo

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:

Bardziej szczegółowo

Rachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18

Rachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18 Karta przedmiotu Wydział: Wydział Zarządzania Kierunek: Analityka gospodarcza I. Informacje podstawowe Nazwa przedmiotu Rachunek prawdopodobieństwa Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu

Bardziej szczegółowo

Co to jest wektor? Jest to obiekt posiadający: moduł (długość), kierunek wraz ze zwrotem.

Co to jest wektor? Jest to obiekt posiadający: moduł (długość), kierunek wraz ze zwrotem. 1 Wektory Co to jest wektor? Jest to obiekt posiadający: moduł (długość), kierunek wraz ze zwrotem. 1.1 Dodawanie wektorów graficzne i algebraiczne. Graficzne - metoda równoległoboku. Sprowadzamy wektory

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Uwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy:

Uwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy: Matematya dysretna - wyład 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produtu artezjańsiego X Y, tórego elementami są pary uporządowane (x, y), taie, że x X i y Y. Uwaga 1.1 Jeśli

Bardziej szczegółowo

Podczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych.

Podczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych. Trochę teorii W celu przeprowadzenia rygorystycznej ekonometrycznej analizy szeregu finansowego będziemy traktowali obserwowany ciąg danych (x 1, x 2,..., x T ) jako realizację pewnego procesu stochastycznego.

Bardziej szczegółowo

Zofia MIECHOWICZ, Zielona Góra. v 1. v 2

Zofia MIECHOWICZ, Zielona Góra. v 1. v 2 Jest to zapis odczytu wygłoszonego na XLVIII Szole atematyi Poglądowej, Sojarzenia i analogie, Otwoc Śródborów, styczeń 22. W przestrzeni Zofia IECHOWICZ, Zielona Góra Naturalna analogia? Nie mylił się,

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli

Bardziej szczegółowo

Układy równań liniowych. Ax = b (1)

Układy równań liniowych. Ax = b (1) Układy równań liniowych Dany jest układ m równań z n niewiadomymi. Liczba równań m nie musi być równa liczbie niewiadomych n, tj. mn. a a... a b n n a a... a b n n... a a... a b m m mn n m

Bardziej szczegółowo

KORELACJE I REGRESJA LINIOWA

KORELACJE I REGRESJA LINIOWA KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem

Bardziej szczegółowo

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2013

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2013 ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2013 OPRACOWAŁY: ANNA ANWAJLER MARZENA KACZOR DOROTA LIS 1 WSTĘP W analizie wykorzystywany będzie model szacowania EWD.

Bardziej szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń

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

Krótkie wprowadzenie do macierzy i wyznaczników

Krótkie wprowadzenie do macierzy i wyznaczników Radosław Marczuk Krótkie wprowadzenie do macierzy i wyznaczników 12 listopada 2005 1. Macierze Macierzą nazywamy układ liczb(rzeczywistych, bądź zespolonych), funkcji, innych macierzy w postaci: A a 11

Bardziej szczegółowo

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2012/13

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2012/13 Sylabus do programu kształcenia obowiązującego od roku akademickiego 2012/13 (1) Nazwa Algebra liniowa z geometrią (2) Nazwa jednostki prowadzącej Instytut Matematyki przedmiot (3) Kod () Studia Kierunek

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

ELEKTROTECHNIKA I ELEKTRONIKA

ELEKTROTECHNIKA I ELEKTRONIKA UNIWERSYTET TECHNOLOGICZNO-PRZYRODNICZY W BYDGOSZCZY WYDZIŁ INŻYNIERII MECHNICZNEJ INSTYTUT EKSPLOTCJI MSZYN I TRNSPORTU ZKŁD STEROWNI ELEKTROTECHNIK I ELEKTRONIK ĆWICZENIE: E2 POMIRY PRĄDÓW I NPIĘĆ W

Bardziej szczegółowo

3. Wykład Układy równań liniowych.

3. Wykład Układy równań liniowych. 31 Układy równań liniowych 3 Wykład 3 Definicja 31 Niech F będzie ciałem Układem m równań liniowych o niewiadomych x 1,, x n, m, n N, o współczynnikach z ciała F nazywamy układ równań postaci: x 1 + +

Bardziej szczegółowo