Karolina Napierała Wojciech Otto

Wielkość: px
Rozpocząć pokaz od strony:

Download "Karolina Napierała Wojciech Otto"

Transkrypt

1 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania, z równoczesnym r wykorzystaniem danych o odszkodowaniach wyłaconych i rezerwie liczone metodą indywidualną Karolina Naierała Wociech Otto

2 lan rezentaci 1. Trókąty szkodowe. Standardowa metoda Chain-Ladder 3. Metody klasy London-Chain w świetle credibility theory 4. Uzuełnienie metod klasy London Chain o dane o szkodach zgłoszonych, ale nie zlikwidowanych raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

3 Trókąty szkodowe - dane oóźnienie zaście 0 1 T-1 T 0 X 0,0 X 0,1 X 0,T 1 X 1,0 X 1,1 X 1,T-1 t X T-1 X T-1,0 X T-1,1 T X T,0 x t, wartość zdarzenia do którego doszło w t-tym okresie i uawniło się o okresach oóźnienia. raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

4 Trókąty szkodowe - dane oóźnienie zaście 0 1 T-1 T 0 cx 0,0 cx 0,1 cx 0,T 1 cx 1,0 cx 1,1 cx 1,T-1 t cx T-1 cx T-1,0 cx T-1,1 T cx T,0 cx t, wartość zdarzenia do którego doszło w t-tym okresie i uawniło się nie óźnie niż o okresach oóźnienia. raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

5 Rezerwy szkodowe Rezerwy szkodowe IBNR Rezerwa na szkody zaszłe, ale nie zgłoszone (Incurred But Not Reorted) RBN Rezerwa na szkody zgłoszone, ale nie zlikwidowane (Reorted But Not aid) Celem obliczeń est całość rezerw szkodowych. raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

6 Trókąty szkodowe rezerwy szkodowe oóźnienie zaście 0 1 T 0 cx 0,0 cx 0,1 cx 0, 1 cx 1,0 cx 1,1 cx 0, T-1 cx T-1,0 cx T-1,1 cx T-1, cx T-1, T cx T,0 cx T,1 cx T, raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

7 Standardowa metoda Chain-Ladder Teoretyczna rezerwa IBNR dla t-te kohorty IBNR cxt, cxt, Założenia metody: wsółczynniki oóźnienia cx cx t, t, + ε,. lim 1. wsółczynniki rozwou d 1, raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

8 Standardowa metoda Chain-Ladder cd. W raktyce wsółczynniki rozwou estymuemy ako dˆ T t 0 T t 0 cx cx 1 d i korzystaąc z zależności 0 1 d 1 d d T d otrzymuemy estymatory ˆ ˆ 1 dˆ arametrów raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

9 Standardowa metoda Chain-Ladder cd. Rezerwę IBNR dla szkód zaistniałych w okresie t kalkuluemy ako IBNR T, t cx T t 1 ˆ ˆ T t T t Całkowita rezerwa dla ortfela wynosi IBNR IBNR + T.. T, T + IBNRT, T 1 + IBNRT,0 raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

10 Metody klasy London-Chain w świetle credibility theory Oznaczenia: E t LR CLR RLR xt, Et cxt, E cx t składka zarobiona dla t-te kohorty indywidualny wsółczynnik szkodowości skumulowany wsółczynnik szkodowości cx E t resztowy wsółczynnik szkodowości raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

11 Metody klasy London-Chain w świetle credibility theory założenia modelu Konstrukca modelu w oarciu o wsółczynniki szkodowości Model regresi CLR + 1 a + b CLRt, + ε + lub analogicznie LR + 1 a Z ierwszym równaniem ostaci LR. 0 a 1 + ε 0 1. ( b 1) CLRt, ε 1. raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

12 Metody klasy London-Chain w świetle credibility theory założenia robabilistyczne Oznaczmy: ULR t kohortowy wsółczynnik szkodowości wartość teoretyczna! Wartość oczekiwana skumulowanego wsółczynnika kowarianci Ε CLR ULR ) ULR. ( t t rzy czym Ε( ULR t ) ULR. raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

13 Metody klasy London-Chain w świetle credibility theory założenia robabilistyczne Warunkowa kowarianca skumulowanego wsółczynnika szkodowości wynosi COV ( CLR Bezwarunkowa kowarianca est ostaci Oraz COV ( CLR Ε( Σ t ) Σ, CLR s,, CLR. s, ULR t, ULR U,dla s ) 0, w. s Σt,dla s ) 0, w. raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

14 Metody klasy London-Chain w świetle credibility theory założenia robabilistyczne Odowiednio dla indywidualnego wsółczynnika szkodowości: Wartość oczekiwana wynosi Ε( LRt, ) r ULRt. Gdzie r 1 d + 1 d + dt d. Warunkowa kowarianca wynosi r Σt,dla s COV ( LRt,, LRs, ULRt, ULRs ) 0, w. Natomiast bezwarunkowa est ostaci r U + r Σt,dla s k COV ( LRt,, LRs, k ) r rk U,dla s k, 0, w. raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

15 Metody klasy London-Chain w świetle credibility theory sformułowanie zagadnienia Z teorii wiarygodności (ang. Credibility theory) Liniowy redyktor resztowego wsółczynnika szkodowości z L( RLRt, CLRt, ) (1 ) CLRt, + (1 z ) ULR Liniowy redyktor resztowego wsółczynnika szkodowości z L( LRt, CLRt, ) r + 1 CLRt, + (1 z ) ULR raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

16 Metody klasy London-Chain w świetle credibility theory rozwiązanie Otymalnie dobrany wsółczynnik wynosi z U U + Σ. Co dae nastęuącą ostać oszukiwanych redyktorów BLU BLU (1 ) U (1 ) Σ RLRt, CLRt, ) CLR, ULR, t + U + Σ U + Σ ( r+ 1 U r+ 1 Σ LRt, + 1 CLRt, ) CLR, ULR. t + U + Σ U + Σ ( z raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

17 Metody klasy London-Chain w świetle credibility theory model regresi Wsółczynniki zakładanego modelu regresi CLR. + 1 a + b CLRt, + ε + 1 Są ostaci a b ( U U U ) Σ + Σ + Σ + Σ. ULR, raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

18 Metody klasy London-Chain w świetle credibility theory model regresi Model ten można zaisać alternatywnie, ako CLR a b + + rzy nastęuące ostaci wsółczynnika a Σ U ULR. Stąd łatwo uzyskuemy ( CLRt, + a) ε 1, BLU( RLR CLRt, ) ( b b + 1 bt 1 1)( CLRt, t, + a ). raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

19 Uzuełnienie metod statystycznych o dane o szkodach zgłoszonych, ale nie zlikwidowanych Dodaąc indeksy do stosowanych dotychczas oznaczeń otrzymuemy skumulowane wsółczynniki szkodowości CLR CLR I cx Et I cx E t dla szkód zlikwidowanych, dla szkód zgłoszonych. raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

20 Uzuełnienie metod statystycznych o dane o szkodach zgłoszonych, ale nie zlikwidowanych Wrowadzone orzednio założenia nadal obowiązuą i oisuą wartości arametrów dla szkód zgłoszonych i zlikwidowanych. Dla szkód zgłoszonych rzymuemy nastęuące dodatkowe założenia COV ( CLR I W, CLR I s, k ULR t, ULR s ) I I Σt + ( ) W, dla s 0, w. Gdzie est czynnikiem wynikaącym z odchyleń wartości ierwsze wyceny, od rzeczywiście wyłaconych odszkodowań. k, raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

21 Uzuełnienie metod statystycznych o dane o szkodach zgłoszonych, ale nie zlikwidowanych rzy takich założenia oszukuemy redyktora ostaci I L( RLR t CLR, CLR ) (1 ), z CLR / I z I / I + ( CLR t CLR t + z z ULR I,, ) (1 ) raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

22 raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach ma Kalkulaca rezerw w ubezieczeniach maątkowych tkowych w oarciu o teori w oarciu o teorię zaufania zaufania Uzuełnienie metod statystycznych o dane o Uzuełnienie metod statystycznych o dane o szkodach zgłoszonych, ale nie zlikwidowanych szkodach zgłoszonych, ale nie zlikwidowanych Otymalne wartości arametrów wynoszą, ) ( ) ( ) ( ) ( I U W W U W U z + Σ + Σ + Σ + Σ + Σ. ) ( ) ( ) ( ) ( / I I I U W W U U z + Σ + Σ + Σ + Σ Σ

23 Uzuełnienie metod statystycznych o dane o szkodach zgłoszonych, ale nie zlikwidowanych CLR Tak ak orzednio, zachowanie wsółczynników można oisać rzy omocy modelu regresi I + 1 a +, + +. b CLR t c CLR ε + 1 Lub alternatywnie, ako I CLR + 1 a( b 1) + b CLR + c( b 1) CLR + ε. +1 raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

24 Uzuełnienie metod statystycznych o dane o szkodach zgłoszonych, ale nie zlikwidowanych Wsółczynniki modelu regresi wynoszą odowiednio a Σ U ULR, b + 1 U U ( Σ ( Σ + W + W ) + Σ ) + Σ ( Σ ( Σ + W + W ) + Σ ) + Σ U U ( ( I I ) ), c U Σ + Σ. raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

25 Analiza arametrów modelu Rozważmy nastęuące rzyadki graniczne Gdy redyktor est ostaci W 0 I U I Σ BLU( ULRt CLR, CLR ) CLR, ULR, I t + I U + Σ U + Σ I oiera się w całości na informaci o szkodach zgłoszonych. Gdy W redyktor est ostaci Σ I U Σ BLU( ULRt CLR, CLR ) CLR, ULR, t + U + Σ U + Σ I oiera się w całości na informaci o szkodach zlikwidowanych. raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

26 Dziękuemy za uwagę Karolina Naierała Wociech Otto raktyka. Warszawa czerwiec 008 Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania

ZMODYFIKOWANA REGRESJA LOGARYTMICZNO-NORMALNA W SZACOWANIU REZERWY SZKODOWEJ *

ZMODYFIKOWANA REGRESJA LOGARYTMICZNO-NORMALNA W SZACOWANIU REZERWY SZKODOWEJ * Alica Wolny-Dominiak Uniwersytet Ekonomiczny w Katowicach ZMODYFIKOWANA REGRESJA LOGARYTMICZNO-NORMALNA W SZACOWANIU REZERWY SZKODOWEJ * Wprowadzenie W pracy est analizowany proces wyznaczania rezerwy

Bardziej szczegółowo

System bonus-malus z mechanizmem korekty składki

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

Bardziej szczegółowo

Laboratorium Metod i Algorytmów Sterowania Cyfrowego

Laboratorium Metod i Algorytmów Sterowania Cyfrowego Laboratorium Metod i Algorytmów Sterowania Cyfrowego Ćwiczenie 3 Dobór nastaw cyfrowych regulatorów rzemysłowych PID I. Cel ćwiczenia 1. Poznanie zasad doboru nastaw cyfrowych regulatorów rzemysłowych..

Bardziej szczegółowo

Agata Boratyńska Statystyka aktuarialna... 1

Agata Boratyńska Statystyka aktuarialna... 1 Agata Boratyńska Statystyka aktuarialna... 1 ZADANIA NA ĆWICZENIA Z TEORII WIAROGODNOŚCI Zad. 1. Niech X 1, X 2,..., X n będą niezależnymi zmiennymi losowymi z rozkładu wykładniczego o wartości oczekiwanej

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

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

Bardziej szczegółowo

Wybrane metody szacowania rezerw techniczno-ubezpieczeniowych

Wybrane metody szacowania rezerw techniczno-ubezpieczeniowych Wybrane metody szacowania rezerw techniczno-ubezpieczeniowych Agata Boratyńska SGH, Warszawa Agata Boratyńska (SGH) Rezerwy 1 / 24 Plan 1 Co to są rezerwy techniczno-ubezpieczeniowe? 2 Rezerwa składek

Bardziej szczegółowo

- prędkość masy wynikająca z innych procesów, np. adwekcji, naprężeń itd.

- prędkość masy wynikająca z innych procesów, np. adwekcji, naprężeń itd. 4. Równania dyfuzji 4.1. Prawo zachowania masy cd. Równanie dyfuzji jest prostą konsekwencją prawa zachowania masy, a właściwie to jest to prawo zachowania masy zapisane dla procesu dyfuzji i uwzględniające

Bardziej szczegółowo

Aktuariat i matematyka finansowa. Rezerwy techniczno ubezpieczeniowe i metody ich tworzenia

Aktuariat i matematyka finansowa. Rezerwy techniczno ubezpieczeniowe i metody ich tworzenia Aktuariat i matematyka finansowa Rezerwy techniczno ubezpieczeniowe i metody ich tworzenia Tworzenie rezerw i ich wysokość wpływa na Obliczanie zysku dla potrzeb podatkowych, Sprawozdawczość dla udziałowców,

Bardziej szczegółowo

Kolokwium ze statystyki matematycznej

Kolokwium ze statystyki matematycznej Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę

Bardziej szczegółowo

01. dla x 0; 1 2 wynosi:

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

Dobór zestawu hydroforowego Instalacje wodociągowe i kanalizacyjne 2. Wrocław 2014

Dobór zestawu hydroforowego Instalacje wodociągowe i kanalizacyjne 2. Wrocław 2014 Instalacje wodociągowe i kanalizacyjne 2 Wrocław 2014 Wyznaczenie unktu racy Wyznaczenie obliczeniowego unktu racy urządzenia 1. Wymagane ciśnienie odnoszenia zestawu min min ss 2. Obliczeniowa wydajność

Bardziej szczegółowo

AKADEMIA MORSKA KATEDRA NAWIGACJI TECHNICZEJ

AKADEMIA MORSKA KATEDRA NAWIGACJI TECHNICZEJ AKADEMIA MORSKA KATEDRA NAWIGACJI TECHNICZEJ ELEMETY ELEKTRONIKI LABORATORIUM Kierunek NAWIGACJA Secjalność Transort morski Semestr II Ćw. 3 Badanie rzebiegów imulsowych Wersja oracowania Marzec 2005 Oracowanie:

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

Matematyka ubezpieczeń majątkowych 1.10.2012 r.

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

Bardziej szczegółowo

Możliwości programu R w szacowaniu rezerwy IBNR 1

Możliwości programu R w szacowaniu rezerwy IBNR 1 Możliwości programu R w szacowaniu rezerwy IBNR Alica Wolny-Dominiak Możliwości programu R w szacowaniu rezerwy IBNR 1 W zakładach ubezpieczeń maątkowych istotną pozycę w funduszu ubezpieczeniowym zamue

Bardziej szczegółowo

WYKŁAD 14 PROSTOPADŁA FALA UDERZENIOWA

WYKŁAD 14 PROSTOPADŁA FALA UDERZENIOWA WYKŁAD 4 PROSTOPADŁA FALA UDERZENIOWA PROSTOPADŁA FALA UDERZENIOWA. ADIABATA HUGONIOTA. S 0 normal shock wave S Gazodynamika doszcza istnienie silnych nieciągłości w rzeływach gaz. Najrostszym rzyadkiem

Bardziej szczegółowo

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,

Bardziej szczegółowo

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania

Bardziej szczegółowo

DOBÓR ZESTAWU HYDROFOROWEGO

DOBÓR ZESTAWU HYDROFOROWEGO DOBÓR ZESTAWU YDROFOROWEGO Pierwszym etaem doboru Z jest wyznaczenie obliczeniowego unktu racy urządzenia: 1. Wymaganego ciśnienia odnoszenia zestawu = + min min ss 2. Obliczeniowej wydajności Q o Q 0

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

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 5.0.00 r. Zadanie. Dla dowolnej zmiennej losowej X o wartości oczekiwanej µ wariancji oraz momencie centralnym µ k rzędu k zachodzą nierówności (typu Czebyszewa): ( X

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH

MODELE MATEMATYCZNE W UBEZPIECZENIACH MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 3: WYZNACZANIE ROZKŁADU CZASU PRZYSZŁEGO ŻYCIA 1 Hipoteza jednorodnej populacji Rozważmy pewną populację osób w różnym wieku i załóżmy, że każda z tych osób

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

Przykładowe zadania z matematyki na poziomie podstawowym wraz z rozwiązaniami

Przykładowe zadania z matematyki na poziomie podstawowym wraz z rozwiązaniami 8 Liczba 9 jest równa A. B. C. D. 9 5 C Przykładowe zadania z matematyki na oziomie odstawowym wraz z rozwiązaniami Zadanie. (0-) Liczba log jest równa A. log + log 0 B. log 6 + log C. log 6 log D. log

Bardziej szczegółowo

Rezerwy techniczno-ubezpieczeniowe jako podstawa wypłacalności i stabilności finansowej zakładów ubezpieczeń

Rezerwy techniczno-ubezpieczeniowe jako podstawa wypłacalności i stabilności finansowej zakładów ubezpieczeń Ewa Spigarska * Rezerwy techniczno-ubezpieczeniowe jako podstawa wypłacalności i stabilności finansowej zakładów ubezpieczeń Wstęp Rezerwy są zabezpieczeniem jednostki przed znanym jej ryzykiem przyszłej

Bardziej szczegółowo

1. Ubezpieczenia życiowe

1. Ubezpieczenia życiowe 1. Ubezpieczenia życiowe Przy ubezpieczeniach życiowych mamy do czynienia z jednorazową wypłatą sumy ubezpieczenia. Moment jej wypłaty i wielkość wypłaty może być funkcją zmiennej losowej T a więc czas

Bardziej szczegółowo

SIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania

SIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania SIMR 7/8, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania. Dana jest gęstość prawdopodobieństwa zmiennej losowej ciągłej X : { a( x) dla x [, ] f(x) = dla pozostałych x Znaleźć: i) Wartość parametru

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

Równania różniczkowe. Notatki z wykładu.

Równania różniczkowe. Notatki z wykładu. Równania różniczkowe Notatki z wykładu http://robert.brainusers.net 17.06.2009 Notatki własne z wykładu. Są niekompletne, bez bibliografii oraz mogą zawierać błędy i usterki. Z tego powodu niniejszy dokument

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel 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 szczegółowo

Analiza zdarzeń Event studies

Analiza zdarzeń Event studies Analiza zdarzeń Event studies Dobromił Serwa akson.sgh.waw.pl/~dserwa/ef.htm Leratura Campbell J., Lo A., MacKinlay A.C.(997) he Econometrics of Financial Markets. Princeton Universy Press, Rozdział 4.

Bardziej szczegółowo

Ważne rozkłady i twierdzenia c.d.

Ważne rozkłady i twierdzenia c.d. Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby

Bardziej szczegółowo

EGZAMIN DYPLOMOWY, część II, Biomatematyka

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

Bardziej szczegółowo

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y

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

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

Zapis pochodnej. Modelowanie dynamicznych systemów biocybernetycznych. Dotychczas rozważane były głownie modele biocybernetyczne typu statycznego.

Zapis pochodnej. Modelowanie dynamicznych systemów biocybernetycznych. Dotychczas rozważane były głownie modele biocybernetyczne typu statycznego. owanie dynamicznych systemów biocybernetycznych Wykład nr 9 z kursu Biocybernetyki dla Inżynierii Biomedycznej rowadzonego rzez Prof. Ryszarda Tadeusiewicza Dotychczas rozważane były głownie modele biocybernetyczne

Bardziej szczegółowo

WYJAŚNIENIA TREŚCI SIWZ (1)

WYJAŚNIENIA TREŚCI SIWZ (1) Znak sprawy: ZPK.262.10.2015 Kielce, dn.30.11.2015r. WYJAŚNIENIA TREŚCI SIWZ (1) w sprawie postępowania na wyłonienie wykonawcy w zakresie usług ubezpieczenia Miasta Kielce wraz z jednostkami organizacyjnym

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie 1. W pewnej populacji podmiotów każdy podmiot narażony jest na ryzyko straty X o rozkładzie normalnym z wartością oczekiwaną równą μ i wariancją równą. Wszystkie podmioty z tej populacji kierują

Bardziej szczegółowo

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Konrad Miziński, nr albumu 233703 31 maja 2015 Zadanie 1 Wartości oczekiwane µ 1 i µ 2 oszacowano wg wzorów: { µ1 = 0.43925 µ = X

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

1 Elementy teorii przeżywalności

1 Elementy teorii przeżywalności 1 Elementy teorii przeżywalności Zadanie 1 Zapisz 1. Prawdopodobieństwo, że noworodek umrze nie później niż w wieku 80 lat 2. P-two, że noworodek umrze nie później niż w wieku 30 lat 3. P-two, że noworodek

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

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,

Bardziej szczegółowo

WYZNACZENIE OKRESU RÓWNOWAGI I STABILIZACJI DŁUGOOKRESOWEJ

WYZNACZENIE OKRESU RÓWNOWAGI I STABILIZACJI DŁUGOOKRESOWEJ Anna Janiga-Ćmiel WYZNACZENIE OKRESU RÓWNOWAGI I STABILIZACJI DŁUGOOKRESOWEJ Wrowadzenie W rozwoju każdego zjawiska niezależnie od tego, jak rozwój ten jest ukształtowany rzez trend i wahania, można wyznaczyć

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 7

Stanisław Cichocki Natalia Nehrebecka. Wykład 7 Stanisław Cichocki Natalia Nehrebecka Wykład 7 1 1. Metoda Największej Wiarygodności MNW 2. Założenia MNW 3. Własności estymatorów MNW 4. Testowanie hipotez w MNW 2 1. Metoda Największej Wiarygodności

Bardziej szczegółowo

WYKŁAD 2. Temat: REZERWY, ICH CHARAKTERYSTYKA, WYCENA, DOKUMENTACJA I UJĘCIE W KSIĘGACH RACHUNKOWYCH ZAKŁADU UBEZPIECZEŃ

WYKŁAD 2. Temat: REZERWY, ICH CHARAKTERYSTYKA, WYCENA, DOKUMENTACJA I UJĘCIE W KSIĘGACH RACHUNKOWYCH ZAKŁADU UBEZPIECZEŃ WYKŁAD 2 Temat: REZERWY, ICH CHARAKTERYSTYKA, WYCENA, DOKUMENTACJA I UJĘCIE W KSIĘGACH RACHUNKOWYCH ZAKŁADU UBEZPIECZEŃ 1. Istota, pojęcie i podstawy tworzenia rezerw Rezerwy w rachunkowości to potencjalne

Bardziej szczegółowo

1 Elementy teorii przeżywalności

1 Elementy teorii przeżywalności 1 Elementy teorii przeżywalności Zadanie 1 Zapisz 1. Prawdopodobieństwo, że noworodek umrze nie później niż w wieku 80 lat 2. P-two, że noworodek umrze nie później niż w wieku 30 lat 3. P-two, że noworodek

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

DOWODY NIERÓWNOŚCI HÖLDERA I MINKOWSKIEGO (DO UŻYTKU WEWNȨTRZNEGO, I DO SPRAWDZENIA)

DOWODY NIERÓWNOŚCI HÖLDERA I MINKOWSKIEGO (DO UŻYTKU WEWNȨTRZNEGO, I DO SPRAWDZENIA) DOWODY NIERÓWNOŚCI HÖLDERA I MINKOWSKIEGO (DO UŻYTKU WEWNȨTRZNEGO I DO SPRAWDZENIA) R R Tematem niniejszych notatek jest zbadanie warunków istnienia normy na ewnej rzestrzeni funkcji rzeczywistych określonych

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e

Bardziej szczegółowo

ZARZĄDZANIE EFEKTYWNOŚCIĄ PRZEZ ZARZĄDZANIE INFORMACJĄ. Proces likwidacji szkód osobowych z OC komunikacyjnego

ZARZĄDZANIE EFEKTYWNOŚCIĄ PRZEZ ZARZĄDZANIE INFORMACJĄ. Proces likwidacji szkód osobowych z OC komunikacyjnego ZARZĄDZANIE EFEKTYWNOŚCIĄ PRZEZ ZARZĄDZANIE INFORMACJĄ Proces likwidacji szkód osobowych z OC komunikacyjnego SZKODY OSOBOWE Z OC KOMUNIKACYJNEGO - TŁO RYNKOWE Kontekst rynku szkód osobowych z ubezpieczeń

Bardziej szczegółowo

Deska Galtona. Adam Osękowski. Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski

Deska Galtona. Adam Osękowski. Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski a schemat Bernoulliego Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski XV Festiwal Nauki, 21 września 2011r. a schemat Bernoulliego Schemat Bernoulliego B(n, p)

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący

Bardziej szczegółowo

Ćw. 11 Wyznaczanie prędkości przepływu przy pomocy rurki spiętrzającej

Ćw. 11 Wyznaczanie prędkości przepływu przy pomocy rurki spiętrzającej Ćw. Wyznaczanie rędkości rzeływu rzy omocy rurki siętrzającej. Cel ćwiczenia Celem ćwiczenia jest zaoznanie się z metodą wyznaczania rędkości rzeływu za omocą rurek siętrzających oraz wykonanie charakterystyki

Bardziej szczegółowo

Metody numeryczne równań różniczkowych zwyczajnych

Metody numeryczne równań różniczkowych zwyczajnych Metody numeryczne równań różniczkowych zwyczajnych Marcin Jenczmyk m.jenczmyk@knm.katowice.pl 9 maja 2015 M. Jenczmyk XXX Sesja KNM Metody numeryczne R.R.Z. 1 / 18 Omawiany problem dotyczyć będzie numerycznego

Bardziej szczegółowo

Dodatek E Transformator impulsowy Uproszczona analiza

Dodatek E Transformator impulsowy Uproszczona analiza 50 Dodatek E Transformator imulsowy Uroszczona analiza Za odstawę uroszczonej analizy transformatora imulsowego rzyjmiemy jego schemat zastęczy w wersji zredukowanej L, w której arametry strony wtórnej

Bardziej szczegółowo

1. Przyszła długość życia x-latka

1. Przyszła długość życia x-latka Przyszła długość życia x-latka Rozważmy osobę mającą x lat; oznaczenie: (x) Jej przyszłą długość życia oznaczymy T (x), lub krótko T Zatem x+t oznacza całkowitą długość życia T jest zmienną losową, której

Bardziej szczegółowo

Rozwiązywanie algebraicznych układów równań liniowych metodami iteracyjnymi. Plan wykładu:

Rozwiązywanie algebraicznych układów równań liniowych metodami iteracyjnymi. Plan wykładu: Rozwiązywanie algebraicznych układów równań liniowych metodami iteracynymi Plan wykładu: 1. Przykłady macierzy rzadkich i formaty ich zapisu 2. Metody: Jacobiego, Gaussa-Seidla, nadrelaksaci 3. Zbieżność

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

Zawansowane modele wyborów dyskretnych

Zawansowane modele wyborów dyskretnych Zawansowane modele wyborów dyskretnych Jerzy Mycielski Uniwersytet Warszawski grudzien 2013 Jerzy Mycielski (Uniwersytet Warszawski) Zawansowane modele wyborów dyskretnych grudzien 2013 1 / 16 Model efektów

Bardziej szczegółowo

XLI Egzamin dla Aktuariuszy z 8 stycznia 2007 r.

XLI Egzamin dla Aktuariuszy z 8 stycznia 2007 r. Komisja Egzaminacyjna dla Akuariuszy XLI Egzamin dla Akuariuszy z 8 sycznia 7 r. Część II Maemayka ubezieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 1 minu Warszawa, 9 aździernika

Bardziej szczegółowo

1 Równania różniczkowe zwyczajne o rozdzielonych zmiennych

1 Równania różniczkowe zwyczajne o rozdzielonych zmiennych Równania różniczkowe zwyczajne o rozdzielonych zmiennych Definicja. Równaniem różniczkowym o rozdzielonych zmiennych nazywamy równanie postaci p(y) = q() (.) rozwiązanie równania sprowadza się do postaci

Bardziej szczegółowo

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( ) Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału

Bardziej szczegółowo

WYKŁAD 5 TRANZYSTORY BIPOLARNE

WYKŁAD 5 TRANZYSTORY BIPOLARNE 43 KŁAD 5 TRANZYSTORY IPOLARN Tranzystor biolarny to odowiednie ołączenie dwu złącz n : n n n W rzeczywistości budowa tranzystora znacznie różni się od schematu okazanego owyżej : (PRZYKŁAD TRANZYSTORA

Bardziej szczegółowo

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)

Bardziej szczegółowo

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr

Bardziej szczegółowo

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +

Bardziej szczegółowo

LABORATORIUM Z FIZYKI

LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska Anna Stankiewicz Izabela Słomska Wstęp- statystyka w politologii Rzadkie stosowanie narzędzi statystycznych Pisma Karla Poppera

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

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

Bardziej szczegółowo

XI Konferencja Metody Ilościowe w Badaniach Ekonomicznych

XI Konferencja Metody Ilościowe w Badaniach Ekonomicznych Rafał M. Łochowski Szkoła Główna Handlowa w Warszawie O górnym ograniczeniu zysku ze strategii handlowej opartej na kointegracji XI Konferencja Metody Ilościowe w Badaniach Ekonomicznych Zależność kointegracyjna

Bardziej szczegółowo

Tablice trwania życia

Tablice trwania życia ROZDZIAŁ 3 Tablice trwania życia 1 Przyszły czas życia Osobę, która ukończyła x lat życia, będziemy nazywać x-latkiem i oznaczać symbolem x Jej przyszły czas życia, tzn od chwili x do chwili śmierci, będziemy

Bardziej szczegółowo

Obóz Naukowy Olimpiady Matematycznej Gimnazjalistów

Obóz Naukowy Olimpiady Matematycznej Gimnazjalistów Obóz Naukowy Olimiady Matematycznej Gimnazjalistów Liga zadaniowa 01/01 Seria VII styczeń 01 rozwiązania zadań 1. Udowodnij, że dla dowolnej dodatniej liczby całkowitej n liczba n! jest odzielna rzez n!

Bardziej szczegółowo

Rozdział 8. Regresja. Definiowanie modelu

Rozdział 8. Regresja. Definiowanie modelu Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność

Bardziej szczegółowo

Monitoring kształtowania wysokości taryf w świetle zmieniających się czynników ryzyka

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

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( ) Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa

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

Budowa modelu wewnętrznego do zarządzania ryzykiem w zakładzie ubezpieczeń majątkowych

Budowa modelu wewnętrznego do zarządzania ryzykiem w zakładzie ubezpieczeń majątkowych Budowa modelu wewnętrznego do zarządzania ryzykiem w zakładzie ubezpieczeń majątkowych PRMIA Warszawa, 2010.10.11 Copyright 2010 SAS Institute Inc. All rights reserved. Oszacowania SCRnlife standardowe

Bardziej szczegółowo

OPIS PRZEDMIOTU ZAMÓWIENIA

OPIS PRZEDMIOTU ZAMÓWIENIA 2 REGINALNA BAZA LOGISTYCZNA 04-470 Warszawa, ul. Marsa 110 ZAŁĄCZNIK NR 1 DO SIWZ OPIS PRZEDMIOTU ZAMÓWIENIA 1. Przedmiot zamówienia: Ubezpieczenie komunikacyjne pojazdów Resortu Obrony Narodowej w latach

Bardziej szczegółowo

Entalpia swobodna (potencjał termodynamiczny)

Entalpia swobodna (potencjał termodynamiczny) Entalia swobodna otencjał termodynamiczny. Związek omiędzy zmianą entalii swobodnej a zmianami entroii Całkowita zmiana entroii wywołana jakimś rocesem jest równa sumie zmiany entroii układu i otoczenia:

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

Wnioskowanie statystyczne. Statystyka w 5

Wnioskowanie statystyczne. Statystyka w 5 Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających

Bardziej szczegółowo

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012

Bardziej szczegółowo

Metody Statystyczne. Metody Statystyczne.

Metody Statystyczne. Metody Statystyczne. gkrol@wz.uw.edu.pl #4 1 Sprawdzian! 5 listopada (ok. 45-60 minut): - Skale pomiarowe - Zmienne ciągłe i dyskretne - Rozkład teoretyczny i empiryczny - Miary tendencji centralnej i rozproszenia - Standaryzacja

Bardziej szczegółowo

1. PODSTAWY TEORETYCZNE

1. PODSTAWY TEORETYCZNE 1. PODSTAWY TEORETYCZNE 1 1. 1. PODSTAWY TEORETYCZNE 1.1. Wprowadzenie W pierwszym wykładzie przypomnimy podstawowe działania na macierzach. Niektóre z nich zostały opisane bardziej szczegółowo w innych

Bardziej szczegółowo

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =. Prawdopodobieństwo i statystyka 3..00 r. Zadanie Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX 4 i EY 6. Rozważamy zmienną losową Z. X + Y Wtedy (A) EZ 0,

Bardziej szczegółowo

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów

Bardziej szczegółowo

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje

Bardziej szczegółowo

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w

Bardziej szczegółowo

5. Wprowadzenie do prawdopodobieństwa Wprowadzenie Wyniki i zdarzenia Różne podejścia do prawdopodobieństwa Zdarzenia wzajemnie wykluczające się i

5. Wprowadzenie do prawdopodobieństwa Wprowadzenie Wyniki i zdarzenia Różne podejścia do prawdopodobieństwa Zdarzenia wzajemnie wykluczające się i Spis treści Przedmowa do wydania polskiego - Tadeusz Tyszka Słowo wstępne - Lawrence D. Phillips Przedmowa 1. : rola i zastosowanie analizy decyzyjnej Decyzje złożone Rola analizy decyzyjnej Zastosowanie

Bardziej szczegółowo

UBEZPIECZ SIĘ, NAJLEPIEJ U MATEMATYKA

UBEZPIECZ SIĘ, NAJLEPIEJ U MATEMATYKA KARIERA MATEMATYKĄ KREŚLONA UBEZPIECZ SIĘ, NAJLEPIEJ U MATEMATYKA Ryzyko i ubezpieczenie Możliwość zajścia niechcianego zdarzenia nazywamy ryzykiem. Ryzyko prawie zawsze wiąże się ze stratą. Ryzyko i ubezpieczenie

Bardziej szczegółowo

STATYSTYKA

STATYSTYKA Wykład 1 20.02.2008r. 1. ROZKŁADY PRAWDOPODOBIEŃSTWA 1.1 Rozkład dwumianowy Rozkład dwumianowy, 0 1 Uwaga: 1, rozkład zero jedynkowy. 1 ; 1,2,, Fakt: Niech,, będą niezależnymi zmiennymi losowymi o jednakowym

Bardziej szczegółowo