PROGNOZOWANIE STOPY ZYSKU PORTFELA AKCJI. 1. Wstęp
|
|
- Klaudia Piasecka
- 7 lat temu
- Przeglądów:
Transkrypt
1 B A D A N I A O P A C Y J N I D C Y Z J Nr 004 Ja MIKUŚ POGNOZOWANI SOPY ZYSKU POFLA AKCJI Oreśoo sopę zysu porfea acj zarówo w orese rerospeywym ja progozowaym. Wyorzysując aprosymację erpoacyją wyzaczoo śred błąd progozy ex ae sopy zysu porfea acj. Słowa uczowe: progozowae operaor predycj porfe. Wsęp Decyzje doyczące wesowaa w papery waroścowe są decyzjam podejmowaym w waruach epewośc. W syuacjach epewych ze wzgędu a sąpy zbór formacj probem progozowaa jes zacze rudejszy od progozowaa w syuacjach osowych. Główą cechą syuacj epewych jes bra formacj o zmeych rozładach prawdopodobeńsw órym oe podegają. Zwye zae są jedye przedzały w órych warośc zmeych mogą być zaware eweuae szacuowe prawdopodobeńswo ch wysępowaa. Sporządzee progozy dosarcza pewego rodzaju formacj co może przyczyć sę do zwęszea sueczośc podejmowaa decyzj zwłaszcza w rozważaej syuacj. Zauważmy że wesora gełdowego eresuje sopa zysu órą orzyma od zaagażowaego apału. Sopa zysu może w orese rerospeywym przyjmować róże warośc z oreśoym prawdopodobeńswam. Warośc e zaeżą od syuacj a ryu paperów waroścowych m.. od ogóej syuacj gospodarczej [5]. Użyeczą marą sopy zysu jes zw. oczewaa sopa zwrou oreśoa z defcj wzorem m p Isyu Orgazacj Zarządzaa Poecha Wrocławsa u. Smouchowsego Wrocław.
2 68 J. MIKUŚ gdze: operaor warośc oczewaej -a możwa warość sopy zysu p prawdopodobeńswo osągęca -ej możwej warośc sopy zysu. Za marę ryzya przyjmuje sę zwye warację oraz odchyee sadardowe. Waracja oreśoa wzorem m V [ ] p paperu waroścowego jes ja wdać ważoą średą wadraów odchyeń możwych sóp zysu od oczewaej sopy zysu. Przecęa weość sopy zysu w orese progozowaym może być oreśoa a podsawe aazy rerospeywej różych sóp zysu. Podsawą racjoaego wesowaa w papery waroścowe jes masymazacja sopy zysu mmazacja ryzya. Nauraa jes węc preferecja acj z wyższą oczewaą sopą zysu przy ym samym ryzyu. Przy ej samej oczewaej sope zysu wesor preferuje acje o ższym ryzyu. Przy zaupe acj w przypadu: wyższe ryzyo wyższa oczewaa sopa zysu moża posłużyć sę zaym z eoomer współczyem zmeośc C óry w oeśce rozważaego probemu oreśa ryzyo jae przypada a jedosę sopy zysu paperu waroścowego: C S gdze: S odchyee sadardowe oczewaa sopa zysu paperu waroścowego. Ławo zauważyć że weość ryzya przypadająca a jedosę sopy zysu powa być ja ajmejsza. yzyo wesowaa moża zmejszyć dooując zaupu u paperów waroścowych. Iaczej mówąc gdy wesor posada porfe paperów waroścowych órego sruura zapewa masymazację dochodu całowego wesora bezpeczeńswo wesycj oraz dużą płyość waorów w m zawarych wedy ryzyo wesowaa może sę zmejszyć. W sruurze porfea paperów waroścowych aeży uwzgędć e yo sopę zysu ryzyo ecz róweż oreację sóp zysu órej marą jes współczy oreacj. Współczy e w przypadu porfea złożoego z dwóch acj A B jes oreśoy asępująco [5]: r m p S S 3
3 Progozowae sopy zysu gdze: r współczy oreacj perwszej drugej acj p prawdopodobeńswo wysąpea możwych sóp zysu acj oczewaa sopa zysu perwszej acj oczewaa sopa zysu drugej acj możwe sopy zysu perwszej acj możwe sopy zysu drugej acj S odchyee sadardowe perwszej acj S odchyee sadardowe drugej acj. Przy osrucj porfea waroścowego orzysamy z asępującej erpreacj współczya oreacj paperów waroścowych: jeże współczy oreacj wyos co ozacza pełą pozyywą oreację sóp zysu o da uęca ryzya e aeży upować soreowaych w e sposób acj jeże współczy oreacj wyos co erpreuje sę jao pełą egaywą oreację sóp zysu pae acj jes w peł bezpeczy jeże współczy oreacj speła erówość < r < aeży zasaowć sę ad możwoścą doboru bardzej opymaego porfea. Zauważmy że w rozważaych sposobach obczaa oczewaej sopy zysu odchyea sadardowego oraz współczya oreacj sóp zysu zob. wzory 3 ezbęda jes zajomość możwych do zreazowaa sóp zysu oraz prawdopodobeńsw wysąpea różych saów gospodar. Uzysae ych formacj e zawsze jes możwe. W aej syuacj sopa zysu może być wyzaczoa za pomocą sóp zysu osągęych w orese rerospeywym. Wymaga o modyfacj wzorów służących do szacowaa oczewaej sopy zysu odchyea sadardowego sopy zysu S V oraz współczya oreacj sóp zysu 3. Przyjmują oe asępującą posać: S [ ] 4 r S S gdze: cza oresów z przeszłośc z órych pochodzą formacje sopa zysu paperu waroścowego osągęa w -ym orese
4 70 J. MIKUŚ sopa zysu perwszej acj osągęa w -ym orese sopa zysu drugej acj osągęa w -ym orese oczewaa sopa zysu perwszej acj [ ] oczewaa sopa zysu drugej acj [ ] S odchyee sadardowe perwszej acj S odchyee sadardowe drugej acj. Ja już zazaczyśmy podsawą racjoaego wesowaa w papery waroścowe jes masymazacja sopy zysu mmazacja ryzya. W ceu zwęszea sopy zysu zmejszea ryzya zwązaego z wesowaem w acje moża dooać zaupu porfea acj. W przypadu dwóch acj sopa zysu ryzyo oreśoe są asępującym wzoram [5]: p K + K 5 gdze: p S S p K + K S + K K S S r 6 sopa zysu porfea dwóch acj S p ryzyo odchyee sadardowe porfea dwóch acj K udzał waroścowy perwszej acj w porfeu K udzał waroścowy drugej acj w porfeu oczewaa sopa zysu perwszej acj oczewaa sopa zysu drugej acj S odchyee sadardowe perwszej acj S odchyee sadardowe drugej acj r współczy oreacj perwszej drugej acj. Mmaa warość ryzya porfea dwóch acj osągaa jes da asępujących udzałów acj w porfeu zob. wzór 6: K S K S SSr + S S S r S SSr 7 S + S SSr K + K Zauważmy że zob. wzór 6 ryzyo porfea dwóch acj jes ym mejsze m bardzej współczy oreacj mędzy acjam zbża sę do.
5 Progozowae sopy zysu Kosrucja operaora predycj sopy zysu porfea acj Oreśee sopy zysu porfea acj órej marą jes zw. oczewaa sopa zwrou p oraz ryzya merzoego odchyeem sadardowym S p w orese progozowaym wymaga zajomośc oczewaej sopy zysu perwszej acj oczewaej sopy zysu drugej acj udzałów waroścowych K K odpowedo perwszej drugej acj w porfeu odchyeń sadardowych perwszej acj S oraz drugej acj S ja róweż współczya oreacj ych acj r zob. wzory Iaczej mówąc wyzaczee progozy sopy zysu porfea dwóch acj p p + wymaga zajomośc asępujących progoz: + + K K + K K + Do wyzaczea progozy ryzya S p S p ezbęda jes zajomość progozy udzałów waroścowych perwszej drugej acj w porfeu K + K odchyeń sadardowych perwszej drugej acj S S + S S + oraz współczya oreacj sóp zysu r r +. Do wyzaczea progozy p p + S p S p zdeermowaej + wymeoym progozam wyorzysać aeży meody progozowaa a podsawe asępujących szeregów czasowych: K K... K K K + K K... K K K + S S... S S S + S S... S S S + r... r r r + r. Osaecze progozy p sopy zysu p oraz progoza Ŝ p ryzya S p porfea dwóch acj wyrażają sę wzoram:.
6 7 J. MIKUŚ K K p + 8 K S + K S KKSS r S p + 9 Progozy sładowych wzorów 8 9 oreśających: udzał waroścowy perwszej acj w porfeu K udzał waroścowy drugej acj w porfeu K oczewaą sopę zysu perwszej acj oczewaą sopę zysu drugej acj odchyee sadardowe perwszej acj S odchyee sadardowe drugej acj S oraz współczy oreacj perwszej drugej acj r wyzacza sę a ogół różym meodam. Meody e zdeermowae są własoścam podaych szeregów czasowych. Jeże p.: w szeregu czasowym zaobserwujemy red edecję rozwojową wahaa przypadowe do progozowaa możemy wyorzysać modee aaycze oraz modee adapacyje: mode owy Hoa mode redu pełzającego []; warośc szeregu czasowego worzą cąg geomeryczy ub szereg geeroway jes przez rzywą wyładczą do progozowaa moża wyorzysać meodę esrapoacj średego empa wzrosu oparego a cągu desów łańcuchowych; wyorzysując średą geomeryczą cągu desów łańcuchowych orzymujemy warość odpowedego predyora [3]; rozważay szereg czasowy aeży do esezoowych szeregów czasowych jes geeroway przez mode AIMA p d q o da prayczych obczeń progoz podejśce opare a wyorzysau ego modeu w posac rówaa różcowego jes ajprossze obserwację z + geerowaą przez proces ϕ βz θβa gdze ϕ β ϕβ d moża wyrazć bezpośredo za pomocą rówaa różcowego [] z + ϕ z ϕ p+ d z + p d θa +... θqa + q + a + 0 Progoza z o ajmejszym błędze średowadraowym z wyprzedzeem jes waruową waroścą oczewaą zmeej osowej z + w momece z. z + ]. Przechodząc we wzorze 0 do waruowych warośc oczewaych [ w momece wprowadzając ozaczea [a + ] [ a + ] [ z + ] [ z + ] orzymujemy ] z ϕ [ z ] ϕ [ z ] θ [ a ]... θ [ a ] [ a ] [ z + + p+ d + p d + q + q + + Aby obczyć waruowe warośc oczewae wysępujące w wyrażeu aeży zauważyć że jeże j jes czbą całową dodaą o zob. []: z z + ozacza jedą ze sładowych wzorów 8 9.
7 Progozowae sopy zysu [ z ] [ z ] z j 0... j j j [ z ] [ z ] z j... + j + j j [ a ] [ a ] j + j j [ a ] [ a ] a z z j 0... j j j j j. Sład po prawej sroe wzoru raujemy zaem zgode z asępującym regułam: z j j 0... w momece już zae pozosawamy bez zmay z +j j... jeszcze e zae zameamy ch progozam w momece z j a j j 0... już zae oreśamy jao z j z j a +j j... jeszcze e zae zasępujemy przez zera. Z podaych reguł wzoru 0 wya że jeże operaor średej ruchomej θβ jes rzędu q o rówaa progoz da z z... z q będą zaeżały bezpośredo od a aomas da progoz z węszym wyprzedzeem aej bezpośredej zaeżośc e ma. W prayce w weu przypadach ezbęde jes wyzaczee progozy da różych wyprzedzeń p. a 3... roów aprzód. Moża wówczas orzysać ze wzoru podaych reguł. Wyorzysae wzoru wymaga zajomośc wag ϕ... ϕ p+ d θ θ... θq. Wag e moża wyorzysać róweż do obczea progozy puowej warośc z + w momece + ze wzoru + z + + a + z ψ gdze: z + progoza warośc z ++ w momece a + z + z błąd progozy a jede ro aprzód ψ ψ ϕ θ ϕψ + ϕ θ ψ j ϕ ψ j ϕ p+ dψ j p d θ j gdze: ψ 0 ψ j 0 da j < 0 θ j 0 da j > q. Jeże jes węszą z czb p + d q o da j > wag ψ spełają rówae różcowe
8 74 J. MIKUŚ j j + ϕψ j + + p+ d ψ ϕ ψ... ϕ ψ. j p d Progozę przedzałową da zadaej z góry warygodośc progozy p osruuje sę w asępujący sposób []: gdze: P / ± z ± u / + + ε ψ j Sa j z < z < z + P ε z S a esymaor waracj σ a u ε / way rzędu ε/ sadardowego rozładu ormaego. ozparywae doychczas porfee zawerały jedye dwa sład. W sład porfea może wchodzć róweż wee sładowych. W daszym cągu rozważymy węc porfe acj mocy u u >>. Aby da porfea u acj orzymać progozę sopy zysu aeży posłużyć sę meodą oejego dołączaa. Ze wzoru 8 orzymujemy począowo progozy par acj asępe owe ch pary proces oyuuje sę dopóy dopó orzyma sę osaeczą progozę p sopy zysu p porfea acj. Progozę ę moża róweż orzymać orzysając z asępujących wzorów zob. [4]: 3 3 K K K K p [ ] p K K K + K + K + K p K4{ K3[ K K + K + K ] 4 } 5 + K3 + K4 gdze p progoza sopy zysu porfea acj. W prayce wygode posługwać sę wzgędym średm błędem predycj Φ óry jes rówy błędow średemu predycj podzeoemu przez warość progozy z. [var β ] Φ gdze β błąd predycj sopy zysu perwszej acj drugej acj. /
9 Progozowae sopy zysu Ławo zauważyć że Φ jes zmeą osową órej warośc zdeermowae są przez progozę oraz przez rzeczywsą reazację zmeej progozowaej w orese a óry wyzacza sę progozę. Ja wdać choć sama defcja błędu progozy z formaego puu wdzea jes oczywsa e pozwaa oa jeda a obczee błędu progozy ze wzgędu a bra warośc rzeczywsej w orese progozowaym. Błąd a moża jeda w pewych przypadach przy odpowedch założeach oszacować. Wyorzysując aazę rerospeywą a ścśej wyrye w jej race prawdłowośc doyczące oczewaej sopy zysu oejych acj rozważaego porfea progozy wygasłe moża za pośredcwem błędu progozy ex pos dooać jego oszacowaa ex ae co w osewecj umożw wyzaczee w orese progozowaym wzgędego błędu średego predycj Φ. Zajomość ego błędu będze porzeba do osrucj ryerum jaośc progozy sopy zysu porfea acj. Nech zmea progozowaa przyjmuje w przedzae obserwacj asępujące warośc: j a j ozaczają jej progozy wygasłe w chwach... j... doyczące acj. Podzemy przedzał obserwacj a podzborów < : {... } { }... { } wyzaczmy w ażdym z ch śred błąd progozy mer doładośc ex pos zdefoway jao perwase wadraowy z waracj błędu z. [4]: / ; ; / ; ; ] [var / ; ; / ; ; ] [var / ; ; / ; ; ] [var +.
10 76 J. MIKUŚ W osewecj orzymujemy cąg warośc / / [var ; ; ] [var ; ; ]... [var ; ; ] średego błędu progozy oreśoego odpowedo a podzborach.... Wyzaczee błędu progozy oczewaej sopy zysu -ej acj sprowadza sę / do zaezea średego błędu progozy [var ] w orese progozowaym { m} w puach eżących poza zborem { r... }. Iaczej mówąc wyzaczee błędu progozy w przedsawoej propozycj sprowadza sę do aprosymacj erpoacyjej. Błąd e może być wyzaczoy p. za pomocą przeszałcoego erpoacyjego wzoru Lagrage a przeszałcoego erpoacyjego wzoru Newoa. Wzgędy błąd śred predycj sopy zysu -ej acj w orese progozowaym wyraża sę wzorem zob. / Φ / [var ] 3 gdze progoza oczewaej sopy zwrou -ej acj w orese progozowaym. Wzgędy śred błąd progozy sopy zysu porfea -acj Φ P w orese progozowaym wyraża sę wzorem gdze β. P; P; [var β ] Φ P P; / Bbografa [] BOX G..P. JNKINS G.M. Aaza szeregów czasowych. Progozowae serowae PWN Warszawa 983. [] CIŚLAK M. Progozowae gospodarcze. Meody zasosowaa PWN Warszawa. [3] ČYKIN.M. Sasčesje meody progozrovaja Sasa Mosva 975. [4] GALANC. MIKUŚ J. he mehod for cosrucg a combed forecas e boc Advaces Modeg ad Aayss 99 C Vo. 35 No. 4. [5] SOBCZYK M. Maemaya fasowa Agecja Wydawcza Pace Warszawa 000.
11 Progozowae sopy zysu Forecasg of he porfoo prof rae he prof rae of he porfoo of shares rerospecve ad forecased perods s deermed. Aeo s pad o he dffere forecasg mehods ag o accou he properes of he forecasg operaor me seres compoes of he prof rae ad rs of porfoo of shares. o deerme a prof rae of some shares forecas a mehod of successve addg s proposed obag ay par shares forecas he ew pars. he process s coued u he fa forecas of he prof rae s obaed. Usg he approxmao mehod apped o dscree ses he mea reave error of ex ae forecas of he prof rae of he porfoo of shares s deermed. Key words: progosg predco operaor porfoo
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 szczegółowoW zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =
4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,
Bardziej szczegółowoW zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =
4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,
Bardziej szczegółowoi = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3
35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(
Bardziej szczegółowoSprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.
W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych
Bardziej szczegółowoDane modelu - parametry
Dae modelu - paramer ˆ Ozaczea zmech a0 ax ax - osz w s. zł Budowa modelu: x - welość producj w seach o x - welość zarudea w osobach Meoda MNK Dae: x x 34 9 0 60 34 9 0 60 35 3 7 35 3 7 X T 0 9 3 4 5 3
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej
Rachek prawdopodobeńswa saysyka maemaycza Esymacja przedzałowa paramerów srkralych zborowośc geeralej Częso zachodz syacja, że koecze jes zbadae ogół poplacj pod pewym kąem p. średa oce z pewego przedmo.
Bardziej szczegółowoW loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:
Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,
Bardziej szczegółowo( ) ( ) ( ) ( ) ( ) ( )
,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau
Bardziej szczegółowoFUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej.
L.Kowals Fucje zmeych losowych FUNKCJE ZMIENNYCH LOSOWYCH Uwag o rozładze fucj zmeej losowej jedowymarowej. Jeśl - soowa, o fucj prawdopodobeńswa P( x ) p, g - dowola o fucja prawdopodobeńswa zmeej losowej
Bardziej szczegółowoNOWE MOTODY MODELOWANIA SAMOPODOBNEGO RUCHU W SIECIACH W OPARCIU O PROCESY POISSONA Z MARKOWSKĄ MODULACJĄ 1
STUDIA INFORMATICA 005 Voume 6 Number (63) Rober WÓJCICKI Poecha Śąsa, Isyu Iformay NOWE MOTODY MODELOWANIA SAMOPODOBNEGO RUCHU W SIECIACH W OPARCIU O PROCESY POISSONA Z MARKOWSKĄ MODULACJĄ Sreszczee.
Bardziej szczegółowoZmiana bazy i macierz przejścia
Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta
Bardziej szczegółowoZastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń
Zasosowae meody ajmejszych kwadraów do pomaru częsolwośc średej sygałów o małej sromośc zboczy w obecośc zakłóceń Elgusz PAWŁOWSKI, Darusz ŚWISULSKI Podsawowe meody pomaru częsolwośc Zlczae okresów w zadaym
Bardziej szczegółowoJEDNOWYMIAROWA 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 szczegółowok k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2
Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu
Bardziej szczegółowoSZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM
SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM Arur MACIĄG Sreszczee: W pracy przedsawoo echk aalzy szeregów czasowych w zasosowau do plaowaa progozowaa produkcj w przewórswe spożywczym.
Bardziej szczegółowoIndukcja matematyczna
Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa
Bardziej szczegółowoJego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.
Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.
Bardziej szczegółowoWybór projektu inwestycyjnego ze zbioru wielu propozycji wymaga analizy następujących czynników:
Wybór projeu wesycyjego ze zboru welu propozycj wymaga aalzy asępujących czyów:. Korzyśc z przyjęca do realzacj daego projeu. 2. Ryzya z m zwązaego. 3. Czasu, óry powoduje zmaę warośc peądza. Czy czasu
Bardziej szczegółowoZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ
ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem
Bardziej szczegółowoMiary statystyczne. Katowice 2014
Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących
Bardziej szczegółowoStatystyczne charakterystyki liczbowe szeregu
Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc
Bardziej szczegółowoAnaliza spektralna stóp zwrotu z inwestycji w akcje
Nasz rye aptałowy, 003 r3, str. 38-43 Joaa Góra, Magdalea Osńsa Katedra Eoometr Statysty Uwersytet Mołaja Kopera w Toruu Aalza spetrala stóp zwrotu z westycj w acje. Wstęp Agregacja w eoom eoometr bywa
Bardziej szczegółowoR n. i stopa procentowa okresu bazowego, P wartość początkowa renty, F wartość końcowa renty. R(1 )
Maeayka fasowa ubezpeczeowa Ćwczea 4 IE, I rok SS Tea: achuek re oęce rey Warość począkowa końcowa rey ey o sałych raach ea o zeych raach ea uogóoa osawowe poęca rachuku re ea es o cąg płaośc okoywaych
Bardziej szczegółowo( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości
Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,
Bardziej szczegółowoOBLICZANIE NIEPEWNOŚCI METODĄ TYPU B
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość
Bardziej szczegółowoPojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k
Statystya Wyład Adam Ćmel A4 5 cmel@agh.edu.pl Pojęce statysty Pojęce statysty w statystyce matematyczej jest odpowedem pojęca zmeej losowej w rachuu prawdopodobeństwa. Nech X(X,...,X ) będze próbą z pewej
Bardziej szczegółowoReprezentacja krzywych...
Reprezeacja rzywych... Reprezeacja przy pomocy fcj dwóch zmeych rzywe płase płase - jedej: albo z z f x y x [ x x2] y [ y y2] f x y g x x [ x x2] Wady: rzywe óre dla pewych x y mogą przyjmować wele warośc
Bardziej szczegółowoRównania różniczkowe zwyczajne
cał Padaows Isu Tecolog Iormacjc w Iżer Lądowej Wdał Iżer Lądowej Poleca Kraowsa Rówaa różcowe wcaje W ajprossm prpadu posuujem ucj jedej meej recwsej x w posac: ( x órej pocoda ( x ma spełać rówae dae
Bardziej szczegółowoStatystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych
dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby
Bardziej szczegółowoSymulacyjne modelowanie jakości działania użytkownika systemu komputerowego w warunkach ograniczonego czasu na realizację zadania
BIULEYN INSYUU AUOMAYKI I ROBOYKI NR 9, 003 Symuacyje modeowae jaośc dzałaa użytowa systemu omputerowego w waruach ograczoego czasu a reazację zadaa Ato M. DONIGIEWICZ Istytut eeformaty Automaty WA u.
Bardziej szczegółowoL.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5
L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk
Bardziej szczegółowoNiech Φ oznacza funkcję zmiennej x zależną od n + 1 parametrów a 0, a 1, K, a n, tj.
III. INTERPOLACJA 3.. Ogóe zadae terpoac Nech Φ ozacza fucę zmee x zaeżą od + parametrów a 0, a, K, a, t. Defca 3.. Zadae terpoac poega a oreśeu parametrów a ta, żeby da + da- ych par ( x, f ( x ( 0,,...,
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby
Bardziej szczegółowoma rozkład normalny z nieznaną wartością oczekiwaną m
Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee
Bardziej szczegółowoWybór najlepszych prognostycznych modeli zmienności finansowych szeregów czasowych za pomocą testów statystycznych
UNIWERSYTET EKONOMICZNY W POZNANIU WYDZIAŁ INFORMATYKI I GOSPODARKI ELEKTRONICZNEJ Wybór ajlepszych progosyczych model zmeośc fasowych szeregów czasowych za pomocą esów saysyczych Elza Buszkowska Promoor:
Bardziej szczegółowoTeoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych
ora Sygałów III ro Ioray Sosowaj Wyła Rozważy sończoy sygał () spróboway z częsolwoścą : Aalza częsolwoścowa ysrych sygałów cyrowych p óra js wa razy węsza o częsolwośc asyalj a. Oblczy jgo rasorację Fourra.
Bardziej szczegółowoma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji
Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz
Bardziej szczegółowo. Wtedy E V U jest równa
Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo
Bardziej szczegółowoZadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84
Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,
Bardziej szczegółowoi i i = (ii) TAK sprawdzamy (i) (i) NIE
Egzam uaruszy z aźdzera 009 r. Maemaya Fasowa Zadae ( ) a a& a ( Da) a&& ( Ia) a a&& D I a a&& a a ( ) && ( ) 0 a a a 0 ( ) a 4 0 ( ) a () K srawdzamy () ( ) a& a ( ) a ( ) a&& a&& ( ) a&& ( ) a&& () NIE
Bardziej szczegółowoMiary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej
Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej
Bardziej szczegółowo(liniowy model popytu), a > 0; b < 0
MODELE EKONOMERYCZNE Model eoomercz o ops sochasczej zależośc adaego zjawsa eoomczego od czów szałującch go, wrażo w posac rówośc lu uładu rówośc. Jeśl p. rozparujem zjawso popu a oreślo owar lu grupę
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n
Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam
Bardziej szczegółowowyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=
ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej
Bardziej szczegółowoIdentyfikacja i ocena ryzyka wykonania planu produkcji w przedsiębiorstwie górniczym
Prof. dr hab. ż. HENRYK PRZYBYŁA, dr hab. ż. STANISŁAW KOWALIK Poltecha Śląsa, Glwce Idetyfacja ocea ryzya wyoaa plau producj w przedsęborstwe górczym Artyuł opował prof. dr hab. ż. Adrzej Karbow. Wprowadzee
Bardziej szczegółowoPOPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1
POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA
STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze
Bardziej szczegółowoAKADEMIA MORSKA W SZCZECINIE
AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych
Bardziej szczegółowoVI. TWIERDZENIA GRANICZNE
VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych
Bardziej szczegółowoRachunek różniczkowy funkcji wielu zmiennych
EAIB-Iormaa-Wład 9- dr Adam Ćmel cmel@.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec zosawam
Bardziej szczegółowo( ) ( ) ( ) ( ) ( ) ( )
Praca Domowa:.. ( α β ( α β α β ( ( α Γ( β α,,..., ~ B, Γ + f Γ ( α + α ( α + β + ( α + β Γ α + β Γ α + Γ α + β Γ α + + β E Γ α Γ β Γ α Γ α + + β Γ α + Γ β α α + β β α β Γ α + β Γ α + Γ α + β Γ α + + β
Bardziej szczegółowoSzeregi czasowe, modele DL i ADL, przyczynowość, integracja
Szereg czasowe, modele DL ADL, rzyczyowość, egracja Szereg czasowy, o cąg realzacj zmeej losowej, owedzmy y, w kolejych okresach czasu: { y } T, co rówoważe możemy zasać: = 1 y = { y1, y,..., y T }. Najogólej
Bardziej szczegółowoPlanowanie eksperymentu pomiarowego I
POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak
Bardziej szczegółowoROZKŁADY ZMIENNYCH LOSOWYCH
ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X
Bardziej szczegółowoĆwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych
Ćczea r 3 Fae II obert Ślepaczuk Teora portfela paperó artoścoych Teora portfela paperó artoścoych jet jedym z ajażejzych dzałó ooczeych faó. Dotyczy oa etycj faoych, a przede zytkm etycj dokoyaych a ryku
Bardziej szczegółowoFunkcja generująca rozkład (p-two)
Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są
Bardziej szczegółowof f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu
METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu
Bardziej szczegółowoImmunizacja portfela
Immuzaja porfela Sraega mmuzaj porfelowej [Redgo 9] polega a sworzeu porfela srumeów sało upoowh spełająego dwa waru: - spade e srumeów fasowh wwoła wzrosem sóp spo jes w peł reompesowa przez wzros dohodów
Bardziej szczegółowoPomiary bezpośrednie i pośrednie obarczone błędem przypadkowym
Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski
PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest
Bardziej szczegółowoSYNTEZA MODELI I ALGORYTMÓW IDENTYFIKACJI SYTUACJI W ZARZĄDZANIU POTOKAMI TRANSPORTOWYMI
Tadeusz Csows Łuasz Wojcechows YNTEZA MODELI I ALGORYTMÓW IDENTYFIKACJI YTUACJI W ZARZĄDZANIU OTOKAMI TRANORTOWYMI reszczee. W ejszej pracy dooao syezy mode agorymów deyfacj syuacj przy orogoaej sruurze
Bardziej szczegółowoRachunek różniczkowy funkcji wielu zmiennych
Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec
Bardziej szczegółowoMatematyka dyskretna. 10. Funkcja Möbiusa
Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1
Bardziej szczegółowoSTATYSTYKA OPISOWA. Statystyka. Losowanie (pomiar)
STATYSTYKA OPISOWA Statytyka Statytyka opowa Statytyka matematycza Loowae (pomar) Popuacja geeraa (rezutaty potecjaych pomarów) Próbka (rezutaty pomarów) Statytyka opowa zajmuje ę wtępym opracowaem wyków
Bardziej szczegółowoStatystyka Opisowa 2014 część 3. Katarzyna Lubnauer
Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8
Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja
Bardziej szczegółowoSystem finansowy gospodarki
System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym
Bardziej szczegółowoZadanie 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 szczegółowoPROGNOZY I SYMULACJE
orecasig is he ar of saig wha will happe, ad he explaiig wh i did. Ch. Chafield (986 PROGNOZY I YMULACJE Kaarza Chud Laskowska kosulacje: p. 400A środa -4 czwarek -4 sroa iereowa: hp://kc.sd.prz.edu.pl/
Bardziej szczegółowobędą niezależnymi zmiennymi losowymi z rozkładu o gęstości
Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc
Bardziej szczegółowoL.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH
L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze
Bardziej szczegółowoTeoria sterowania 1 Temat ćwiczenia nr 7a: Synteza parametryczna układów regulacji.
eoria serowania ema ćwiczenia nr 7a: Syneza parameryczna uładów regulacji. Celem ćwiczenia jes orecja zadanego uładu regulacji wyorzysując nasępujące meody: ryerium ampliudy rezonansowej, meodę ZiegleraNicholsa
Bardziej szczegółowoRównania rekurencyjne
Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne
TATYTYKA MATEMATYCZNA WYKŁAD Wadomośc wstępe tatystyka to dyscypla aukowa, której zadaem jest wykrywae, aalza ops prawdłowośc występujących w procesach masowych. Populacja to zborowość podlegająca badau
Bardziej szczegółowoMatematyka II. x 3 jest funkcja
Maemayka II WYKLD. Całka eozaczoa. Rachuek całkowy. Twerdzea o całkach eozaczoych. Całkowae wybraych klas fukcj. Całkowae fukcj wymerych. Całkowae fukcj rygoomeryczych.. Defcja fukcj perwoej. Fukcję F
Bardziej szczegółowoPortfel. Portfel pytania. Portfel pytania. Analiza i Zarządzanie Portfelem cz. 2. Katedra Inwestycji Finansowych i Zarządzania Ryzykiem
Katedra Ietycj Faoych Zarządzaa yzykem Aalza Zarządzae Portfelem cz. Dr Katarzya Kuzak Co to jet portfel? Portfel grupa aktyó (trumetó faoych, aktyó rzeczoych), które zotały yelekcjooae, którym ależy zarządzać
Bardziej szczegółowoŚrednia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne
Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2
Bardziej szczegółowoWnioskowanie statystyczne dla korelacji i regresji.
STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...
Bardziej szczegółowobędą 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 szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w
Bardziej szczegółowoPERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X
PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac
Bardziej szczegółowo2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)
Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza
Bardziej szczegółowoPortfel złożony z wielu papierów wartościowych
Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe
Bardziej szczegółowoMODELE FUNKCJONALNE WYRÓWNANIA POMIARÓW OKRESOWYCH PRZY WYZNACZANIU PRZEMIESZCZEŃ POWIERZCHNI TERENU
NFRSRUKUR EKG ERENÓW WEJSKCH NFRSRUCURE ND ECGY F RUR RES Nr 6/, SK KDE NUK, ddzał w Kraowe, s. 77 86 Komsja echczej rasruury Ws odee ucjoae... adeusz Gargua DEE FUNKCJNNE WYRÓWNN RÓW KRESWYCH RZY WYZNCZNU
Bardziej szczegółowoMETODY KOMPUTEROWE 1
MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc
Bardziej szczegółowoSPOŁECZNA AKDAEMIA NAUK W ŁODZI
SPOŁECZNA AKDAEMIA NAUK W ŁODZI KIERUNEK STUDIÓW: ZARZĄDZANIE PRZEDMIOT: METODY ILOŚCIOWE W ZARZĄDZANIU (MATERIAŁ POMOCNICZY PRZEDMIOT PODSTAWOWY ) Łódź Sps treśc Moduł Wprowadzee do metod loścowych w
Bardziej szczegółowoPodstawy matematyki finansowej i ubezpieczeniowej
Podstawy matematy fasowej ubezpeczeowej oreślea, wzory, przyłady, zadaa z rozwązaam KIELCE 2 SPIS TREŚCI WSTEP... 7 STOPA ZWROTU...... 9 2 RACHUNEK CZASU W MATEMATYCE FINANSOWEJ. 0 2. DOKŁADNA LICZBA DNI
Bardziej szczegółowoSTATYSTYKA OPISOWA WYKŁAD 3,4
STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s
Bardziej szczegółowo8.1 Zbieżność ciągu i szeregu funkcyjnego
Rozdzał 8 Cąg szereg fukcyje 8.1 Zbeżość cągu szeregu fukcyjego Dla skrócea zapsu przyjmjmy pewe ozaczee. Defcja. Nech X, Y. Przez Y X ozaczamy zbór wszystkch fukcj określoych a zborze X o wartoścach w
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Zajęcia 5
Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja
Bardziej szczegółowoRównania dynamiki maszyn prądu stałego w jednostkach względnych Jako podstawę analizy przyjmijmy równania obwodu twornika:
óaa ya aszy pą sałego jeosach zgęych Jao posaę aazy pzyjjy óaa obo oa: obo zbzea: ( ) e ( ) aość sły eeoooyczej yającej z oboó a: e oe yozoy aszye: M e Bazo ygoy jes zaps óań jeosach zgęych. Jao eośc oesea
Bardziej szczegółowoAnaliza 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 szczegółowoIV. ZMIENNE LOSOWE DWUWYMIAROWE
IV. ZMIENNE LOSOWE DWUWYMIAROWE 4.. Rozkład zmeej losowej dwuwymarowej Defcja 4.. Uporządkowaą parę (X, Y) azywamy zmeą losową dwuwymarową, jeśl każda ze zmeych X Y jest zmeą losową. Defcja 4.. Fukcję
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:
Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t
Bardziej szczegółowoR k Punkty stanowiące granice poszczególnych klas ustala się z dokładnością do /2, gdzie jest
Nech Elemey Saysy Opsowej Szereg rozdzelczy hsogram łamaa częsośc ędze -elemeową próą Rozsępem z pró azywamy R ma m rzy węszej lczośc pró ( 30) w celu uławea aalzy daych warośc lczowe pró grupuje sę w
Bardziej szczegółowo