Analiza modyfikacji systemów bonus-malus w ubezpieczeniach komunikacyjnych AC na przykładzie wybranego zakładu ubezpieczeń

Wielkość: px
Rozpocząć pokaz od strony:

Download "Analiza modyfikacji systemów bonus-malus w ubezpieczeniach komunikacyjnych AC na przykładzie wybranego zakładu ubezpieczeń"

Transkrypt

1 Analza modyfkacj systemów bonus-malus Ewa Łazuka Klauda Stępkowska Analza modyfkacj systemów bonus-malus w ubezpeczenach komunkacyjnych AC na przykładze wybranego zakładu ubezpeczeń Tematyka przedstawonego artykułu zwązana jest z systemem bonus-malus, który odgrywa ważną rolę w ubezpeczenach komunkacyjnych. Wąże sę z tym potrzeba oceny jego efektywnośc. Inspracją do badań stała sę decyzja Towarzystwa Ubezpeczeń Reasekuracj Warta SA o rezygnacj z tradycyjnego systemu bonus-malus, podjęta przez frmę w 2012 r. W artykule przeprowadzono analzę efektywnośc systemów bonus-malus stosowanych przez TUR Warta SA w ubezpeczenach komunkacyjnych AC w latach Pozwolła ona ocenć stopeń poprawnośc funkcjonowana systemu w badanej frme ubezpeczenowej wskazała prawdopodobne przyczyny zman wprowadzonych w 2012 r. Słowa kluczowe: system bonus-malus, ubezpeczena komunkacyjne, składka ubezpeczenowa, rozkład Possona. Wprowadzene System bonus-malus w ubezpeczenach komunkacyjnych defnowany jest jako system okreś lający ndywdualny przebeg szkodowośc ustalonego kerowcy jest wykorzystywany do ustalena pozomu składk ubezpeczającego. Wysokość składk zależna jest w nm od lczby szkód zgłoszonych w dotychczasowych okresach ubezpeczenowych, na podstawe której ubezpeczający jest klasyfkowany do odpowednej klasy taryfowej. Klasy taryfowe dzelmy na te, w których występuje bonus, czyl znżka, oraz klasy malus charakteryzujące sę podwyższenem składk. Kerowcy o bezszkodowym mnonym okrese ubezpeczena zostają nagrodzen poprzez awans do klas, w których obowązują nższe składk, lub pozostają w tej samej klase, jeśl byl poprzedno w klase o maksymalnej znżce. Kerowcy powodujący szkody są ukaran przenesenem ch zgodne z zasadam systemu do klas o wyższej nż dotychczas składce. Należy podkreślć, że wpływ na zaklasyfkowane ubezpeczającego do odpowednej kategor ma jedyne lczba, a ne wartość szkód zgłoszonych w poprzednm okrese ubezpeczenowym. 91

2 Wadomośc Ubezpeczenowe 1/2014 Celem artykułu jest analza modyfkacj systemów znżek zwyżek w dobrowolnych ubezpeczenach autocasco stosowanych w Towarzystwe Ubezpeczeń Reasekuracj Warta SA w latach pod względem ch efektywnośc. Badane przeprowadzono w oparcu o tabele systemów bonus-malus obowązujących w TUR Warta SA oraz na podstawe dostępnych danych statystycznych dotyczących szkodowośc w ubezpeczenach komunkacyjnych AC w analzowanym okrese. Ubezpeczene autocasco należy do 3. grupy ubezpeczeń majątkowych pozostałych osobowych, czyl ubezpeczeń Dzału II. Ubezpeczena z grupy 3. to ubezpeczena casco pojazdów lądowych, z wyjątkem pojazdów szynowych, obejmujące szkody w pojazdach samochodowych pojazdach lądowych bez własnego napędu. Ubezpeczene autocasco pokrywa koszty naprawy pojazdu w przypadku uszkodzena lub znszczena, a także zapewna fnansową rekompensatę w przypadku jego kradzeży. Jego głównym celem jest ochrona przed możlwym szkodam oraz rekompensata szkód w chwl ch zastnena. W perwszej częśc artykułu została oszacowana wartość oczekwana lczby roszczeń z jednej umowy ubezpeczena w okrese jednego roku, którą wykorzystano do dalszych oblczeń. Druga część wprowadza matematyczne podstawy systemu bonus-malus, założena dotyczące jego konstrukcj oraz zasady dzałana. W tej częśc artykułu zaprezentowano równeż wybrane mary efektywnośc systemów bonus-malus. W trzecej częśc przeprowadzono analzę oraz ocenę efektywnośc systemu bonus-malus obowązującego w ubezpeczenach komunkacyjnych AC w TUR Warta SA w 2011 r. W końcowej częśc zaprezentowano wartośc wybranych mar efektywnośc systemów stosowanych przez Wartę w latach Wyznaczene wartośc poszczególnych mar przeprowadzene analzy porównawczej systemów było możlwe dzęk wykorzystanu arkusza kalkulacyjnego Mcrosoft Excel oraz środowska Octave. 1. Oszacowane częstośc roszczeń przy pomocy zmennej losowej o rozkładze Possona Do opsu zjawska pojawana sę roszczeń w ubezpeczenach komunkacyjnych często stosowany jest jednorodny proces Possona z nezależnym stacjonarnym przyrostam 1. Model ten zakłada, że ntensywność występowana roszczeń jest stała, czyl rozważane ryzyka cechuje homogenczność. Jednak w śwece realnym częstość występowana roszczeń jest różna dla różnych umów ubezpeczena wchodzących w skład jednego portfela. Portfele złożone z takch pols cechuje węc nejednorodność. Jak wykazują badana mędzynarodowe, w przypadku takch nehomogencznych portfel lepsze dopasowane do sytuacj rzeczywstej daje stosowane modelu opartego na rozkładze ujemnym dwumanowym. W analze systemu bonus-malus nezbędny jest odpowedn dobór modelu lczby roszczeń. Jest to szczególne ważne przy wyznaczanu parametru ryzyka charakteryzującego ubezpeczającego, którym jest oczekwana częstość roszczeń z jednej umowy ubezpeczena w cągu okresu bazowego, najczęścej w cągu jednego roku. Tak parametr określamy manem parametru częstotlwośc lub parametru ntensywnośc procesu pojawana sę szkód 2 oznaczamy przez l. W portfelach jednorodnych, w sytuacj gdy na jedno ryzyko przypada węcej nż jedno roszczene, do aproksymacj rozkładu lczby roszczeń często wykorzystuje sę rozkład Possona z parametrem l > 0. Zatem prawdopodobeństwo pojawena sę k roszczeń w jednostce czasu dane jest wzorem: 1. P. Kowalczyk, E. Poprawska, W. Ronka-Chmelowec, Metody aktuaralne, PWN, Warszawa 2006, s W. Otto, Ubezpeczena majątkowe, cz. I, Teora ryzyka, WNT, Warszawa 2004, s

3 Analza modyfkacj systemów bonus-malus pk λ k λ = e (1) k! Powyższy model zakłada, że roszczena z każdej polsy w rozważanym portfelu mają ten sam rozkład Possona, z dentycznym parametrem l. Wartość parametru l, która będze wykorzystywana w dalszej częśc artykułu, została oszacowana na podstawe dostępnych danych emprycznych. Ponżej prezentujemy metodę wyznaczana takego oszacowana. Rozważmy dane dotyczące lczby zawartych umów ubezpeczena pojazdów oraz lczby dokonanych wypłat z tytułu tych umów. Nech będze prawdopodobeństwem zdarzena polegającego na tym, że ne wystąpła żadna wypłata. Zatem można zapsać jako: lczba wypłat pw = 1 (2) lczba umów Natomast nech będze prawdopodobeństwem zdarzena polegającego na tym, że ne wystąpło żadne roszczene. Tak węc wartość wyznaczymy ze wzoru na prawdopodobeństwo pojawena sę 0 roszczeń w rozkładze Possona: 0 λ ps = e λ (3) 0! Brak roszczena równoważy fakt, że ne wystąpła żadna wypłata. Mamy węc zależność: lczba wypłat λ pw = ps 1 = e (4) lczba umów Ostateczne otrzymujemy wzór na częstość roszczeń: 1 λ = ln (5) lczba wypłat 1 lczba umów Do przeprowadzena dalszych oblczeń wykorzystamy lczbę zawartych umów ubezpeczena pojazdów oraz lczbę dokonanych wypłat z tych umów dla osób fzycznych w ubezpeczenu komunkacyjnym AC w latach (tabela 1). Należy podkreślć, że przy szacowanu wartośc parametru l uwzględnamy wyłączne lczbę tych szkód, które zostały zgłoszone ubezpeczycelow, a ne lczbę wszystkch zastnałych szkód. Tabela 1. Lczba zawartych umów ubezpeczena pojazdów lczba dokonanych wypłat z tych umów dla osób fzycznych w ubezpeczenu AC w latach Rok Lczba umów ubezpeczena pojazdów Lczba wypłat Źródło: opracowane własne na podstawe danych KNF

4 Wadomośc Ubezpeczenowe 1/2014 Wyznaczone wartośc parametrów l dla lat zawera tabela 2. Tabela 2. Oszacowane częstośc roszczeń l dla lat Rok l 0, , , , , , , Średną wartość parametru l wyznaczymy ze wzoru na średną arytmetyczną: λ λ + λ + λ + λ + λ + λ + λ N = (6) gdze N jest lczbą wyznaczonych parametrów l dla badanych okresów. Zatem średna wartość parametru l wynos l 0,13. Analzując wykres 1, możemy zaobserwować, że wartość parametru l oscyluje wokół wartośc 0,13. Wykres 1. Częstość roszczeń w danym roku ubezpeczenowym 0,16 0,15 0,14 0,13 0,12 0,11 0,10 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0, Współczynnk szkodowośc Rok trwana ubezpeczena 2011 Zatem na podstawe wylczonej wartośc średnej oraz analzy wykresu do oblczeń w dalszej częśc artykułu za wartość oczekwaną lczby roszczeń z jednej umowy ubezpeczena w okrese jednego roku przyjmemy l = 0, Istota systemu bonus-malus Proces wyznaczana składek w ubezpeczenach komunkacyjnych można podzelć na dwa etapy. Na początku określana jest składka podstawowa (taryfkacja a pror). Następne dopasowuje sę ją do ndywdualnej szkodowośc ubezpeczonego w przeszłośc (taryfkacja a posteror) W. Ostasewcz, Składk ryzyko ubezpeczenowe: modelowane stochastyczne, Wydawnctwo AE, Wrocław 2004, s

5 Analza modyfkacj systemów bonus-malus Klasyfkacja a pror obejmuje czynnk opsujące kerowcę (wek, płeć, okres posadana prawa jazdy, mejsce zameszkana) oraz szczegóły dotyczące pojazdu (marka, wek, rodzaj, mejsce zarejestrowana). Jednak stneją ndywdualne zdolnośc kerowcy, których ne możemy wyznaczyć a pror, take jak: refleks, przestrzegane prawa, rozsądek, znajomość kodeksu drogowego, zachowane pod wpływem stresu, alkoholu. Mają one duży wpływ na lczbę wypadków. Stąd powstała taryfkacja a posteror uwzględnająca dotychczasowy przebeg ubezpeczena. Kerowcy nepowodujący wypadków są nagradzan obnżenem składk podstawowej (bonus), a kerowcy powodujący jeden, dwa lub węcej wypadków są karan wyższą składką podstawową (malus). Taryfkacja a posteror ma tak oszacować ndywdualne ryzyko, aby każdy ubezpeczony w długm okrese płacł składkę odpowedną do swojej częstośc roszczeń. Taką taryfkację nazywamy systemem znżek-zwyżek (bonus-malus) na tej klasyfkacj skupmy uwagę Ops systemu bonus-malus System bonus-malus w ubezpeczenach komunkacyjnych określony jest jako system wyznaczana ndywdualnej składk, uwzględnający lczbę szkód zgłoszonych przez ubezpeczonego w przeszłośc. Na jego podstawe klent zostaje przyporządkowany do odpowednej klasy taryfowej, której odpowada ustalona wysokość składk. System bonus-malus konstruuje sę przy następujących założenach: ne wszyscy ubezpeczen w cągu roku powodują przecętne tyle samo szkód, okresy ubezpeczena są jednakowej długośc, lczba szkód spowodowanych przez ubezpeczonego ne zależy od ch welkośc, rozkład lczby szkód spowodowanych przez ubezpeczonego w cągu roku ne zmena sę w czase, rozkład welkośc pojedynczej szkody jest stały w czase jest tak sam dla wszystkch ubezpeczonych, portfel ubezpeczonych dzel sę na skończoną lczbę klas C dla = 1, 2,, s tak, aby roczna składka zależała jedyne od klasy, w której ubezpeczony sę znajduje, kwalfkacja ubezpeczonego do odpowednej klasy taryfowej zależy jedyne od klasy, w której ubezpeczony znajdował sę w poprzednm okrese ubezpeczenowym, oraz od lczby roszczeń zgłoszonych w tym czase, ubezpeczen pozostają w tej samej klase bonus-malus przez cały pojedynczy okres ubezpeczena. System bonus-malus opsujemy za pomocą trzech elementów: klasy początkowej, do której trafają wszyscy rozpoczynający ubezpeczene, wektora stawek składk podstawowej b = ( b1, b2, b3,, b s ) wyrażonego w krotnoścach składk podstawowej, reguł przejśca z jednej klasy do drugej, w zależnośc od lczby szkód zgłoszonych w okrese poprzednm. W systemach bonus-malus stosowanych w frme ubezpeczenowej Warta SA numerację klas rozpoczyna sę od najgorszej (o najwyższej składce) do najlepszej (o najnższej składce). Zatem spełnony będze warunek: b1 b2 b3 bs (7) Współczynnk b dla = 1, 2,, s pomnożony przez 100% wyraża procent składk podstawowej, jaką płac ubezpeczony zakwalfkowany do klasy bonus-malus o numerze dla = 1, 2,, s. 95

6 Wadomośc Ubezpeczenowe 1/2014 Reguły przejśca możemy zapsać za pomocą cągu k macerzy T k stopna s, które określone są jako: T k = (8) ( k) ( tj ) ( k) gdze elementy tej macerzy możemy określć następująco: t j = 1, gdy k roszczeń powoduje ( k) przejśce z klasy C do klasy C j, natomast t = j 0 w pozostałych przypadkach. Jeżel założymy określony rozkład lczby zgłoszonych szkód, to prawdopodobeństwo przejśca ubezpeczonego z klasy C do klasy C j w cągu jednego okresu ma postać 5 : p = p t (9) ( ) ( ) ( ) k j λ k λ j k=0 gdze pk( λ ) jest prawdopodobeństwem wystąpena k szkód przy określonej wartośc parametru l, s p ( ) 0 j λ > oraz pj( λ ) = 1. j= 1 Zatem macerz prawdopodobeństw przejśca możemy zapsać jako: M = p T (10) ( λ ) ( λ ) k= 0 Do oceny efektywnośc systemu bonus-malus potrzebujemy rozkładu stacjonarnego oraz oczekwanego pozomu składk. Jeden ze sposobów uzyskana rozkładu stacjonarnego stanów przedstawony został w publkacj Lemare a 6. Oznaczmy rozkład stacjonarny jako wektor: ( λ ) ( λ ) ( λ ) ( λ ) k k a = a1, a2,..., as (11) gdze a ( λ ) jest prawdopodobeństwem znalezena sę ubezpeczonego w klase C po upływe n okresów, przy n. Rozkład stacjonarny a( λ ) pozwala wyznaczyć średną, asymptotyczną składkę. Jeżel jako podstawę oblczeń weźmemy krotnośc składk podstawowej dane wektorem b, to składkę asymptotyczną wyznaczymy ze wzoru: T ( λ ) ( λ ) ( λ ) s P = a b = a b (12) = Mary efektywnośc systemu bonus-malus System bonus-malus jest efektywny, gdy jego zastosowane w ubezpeczenach komunkacyjnych przynos pozytywne skutk, tzn. realzację wyznaczonych celów. Jednym z nch jest dążene do zmnejszena szkodowośc poprzez karane kerowców powodujących wypadk zwyżką składk (funkcja prewencyjna), drugm próba lepszego dopasowana składk do ndywdualnego ryzyka (funkcja taryfkacyjna). 5. D. Mszczyńska, M. Mszczyńsk, Systemy ubezpeczeń bonus-malus, podejśce symulacyjne, [w:] Modelowane preferencj a ryzyko, red. T. Trzaskalk, Wydawnctwo AE w Katowcach, Katowce 2006, s J. Lemare, Bonus-malus system n automoble nsurance, Kluwer Academc Publshers, Boston 1995, s

7 Analza modyfkacj systemów bonus-malus Wybrane mary efektywnośc ocenają system bonus-malus przede wszystkm z punktu wdzena funkcj taryfkacyjnej. Jedną z mar efektywnośc systemu bonus-malus jest tzw. względny stacjonarny oczekwany pozom składk, oznaczany jako RSAL (ang. Relatve Statonary Average Level) 7. Wskaźnk RSAL określa względną pozycję przecętnego ubezpeczonego. Oblczamy go zgodne ze wzorem: P( λ ) mn( b ) RSAL =. (13) max( b ) mn( b ) Według Lemare a 8, dla dealnego systemu mara ta pownna wynosć około 0,5 dla przecętnej częstośc roszczeń. Słabą stroną mary RSAL jest fakt, że na jej wysokość ogromny wpływ ma maksymalna składka. W sytuacj gdy w rzeczywstośc mała lczba ubezpeczonych znajduje sę w tej klase, maksymalna składka ne pownna w tak dużym stopnu oddzaływać na pozom wskaźnka RSAL. W zwązku z tym, chcąc ogranczyć wpływ maksymalnej składk, należy zastąpć jej wartość przez składkę początkową b 0. Zmodyfkowany RSAL ma wtedy postać: RSAL 2 P = ( λ ) mn( b ) b mn( b ) 0 Według Lemare a optymalna wartość tej mary pownna wynosć 1. Trzecą marą reakcj systemu na zmanę częstośc roszczeń jest tzw. elastyczność Lomaranta (ang. Lomaranta effcency) 9 będąca współczynnkem elastycznośc składk względem zman parametru l. Jest ona zdefnowana następującym wzorem: dp( λ ) P( λ ) P ( λ ) λ η( λ) = = (15) dλ P( λ ) λ System bonus-malus nazwemy elastycznym, gdy η( λ ) 1. (14) 3. Analza systemu bonus-malus stosowanego w TUR Warta SA w 2011 r. Frma ubezpeczenowa Warta SA opsuje reguły przejśca mędzy klasam taryfowym przy pomocy tabel. Sposób prezentacj systemu w tym towarzystwe możemy zaobserwować na podstawe tabel systemu bonus-malus stosowanego w 2011 r. w ubezpeczenach komunkacyjnych AC (tabela 3). W tej częśc artykułu zostane przeprowadzona analza systemu bonus-malus stosowanego w Towarzystwe Ubezpeczeń Reasekuracj Warta SA w 2011 r. Oblczena oraz wykresy wykonano w Mcrosoft Offce Excel oraz za pomocą programu napsanego w języku Octave. 7. J. Lemare, Automoble nsurance, actuaral models, Kluwer-Njhoff Publshng, Boston 1985, s J. Lemare, Bonus-malus, op. ct., s R. Kaas, M.J. Goovaerts, J. Dhaene, M. Denut, Modern actuaral rsk theory, Sprnger-Verlag, Berln Hedelberg 2001, s

8 Wadomośc Ubezpeczenowe 1/2014 Tabela 3. System bonus-malus stosowany w TUR Warta SA w 2011 r. Klasa % składk podstawowej Wpływ lczby szkód na zmanę klasy 0 szkód 1 szkoda 2 szkody 3 węcej szkód Źródło: Ogólne warunk ubezpeczena autocasco standard (ACS) wraz z opcjam dodatkowym 10. W przedstawonym systeme bonus-malus wyróżnamy s = 13 klas taryfowych. Najwyższa stawka, którą płac ubezpeczony, wynos 200% składk podstawowej. Po dzesęcoletnm okrese bezszkodowej jazdy ubezpeczony opłaca tylko 40% podstawowej składk. Możemy zauważyć równeż surowe reguły przejśca. Dla przykładu, kerowca płacący składkę w wysokośc 100% składk podstawowej (klasa = 4), w przypadku zgłoszena jednej szkody przechodz do pozomu 150% składk podstawowej. W przypadku zgłoszena k = 3 węcej szkód w cągu jednego roku, kerowcy karan są podwyżką jeszcze bardzej rygorystyczne. W takej sytuacj, bez względu na to, w której klase sę znajdują, przechodzą do pozomu najwyższej stawk (klasa = 1). Analzę rozpocznemy od wyznaczena rozkładów prawdopodobeństwa wystąpena k roszczeń. Na podstawe rozkładu Possona możemy wyznaczyć rozkład wystąpena k roszczeń w pojedynczym okrese ubezpeczena. Z wcześnejszych oblczeń wemy, że l = 0,13. Zatem prawdopodobeństwa wystąpena k roszczeń, dla k = 0, 1, 2, 3, wyznaczymy następująco: 0 0,13 0,13 0 e p = 0, ! 1 0,13 0,13 p1 = e 0, ! 2 0,13 0,13 p2 = e 0, ! p = 1 ( p + p + p ) = 1 0,99967=0, Należy wspomneć, że ze względu na reguły przejśca stosowane w frme Warta SA, p 3 oznacza prawdopodobeństwo wystąpena co najmnej trzech roszczeń a ne dokładne trzech s

9 Analza modyfkacj systemów bonus-malus Współrzędne wektora stawek składk podstawowej b oraz współrzędne wektora początkowego 11 l 0 przedstawone są w tabel 4. Tabela 4. Pozom składk oraz wektor początkowy b 2 1,5 1,25 1 0,9 0,8 0,7 0,6 0,5 0,5 0,4 0,4 0,4 l Macerz prawdopodobeństw ma postać: 3 k k (16) k= 0 ( λ ) = ( λ ) = ( λ ) + ( λ ) + ( λ ) + ( λ ) M p T p T p T p T p T Zatem macerz prawdopodobeństw przejśca przyjmuje postać podaną w tabel 5. Tabela 5. Macerz prawdopodobeństw przejśca 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Źródło: oblczena własne. Perwszy rozkład prawdopodobeństwa znalezena sę ubezpeczonego w poszczególnych klasach (w chwl zawerana umowy) przyjmuje wartośc: a ( 0,13) = [ 0, , , ] Otrzymany rozkład został wyznaczony jako loczyn wektora początkowego l 0 macerzy prawdopodobeństw przejśca M(l) podanej w tabel 5. Kolejne rozkłady wyznaczono analogczne jako loczyn wektora poprzednego rozkładu macerzy prawdopodobeństw przejśca M(l). Systemy bonus-malus to łańcuchy ergodyczne. Odznaczają sę one tym, że rozkłady prawdopodobeństwa dążą przy lczbe okresów n do rozkładu stacjonarnego. Zanm określmy rozkład stacjonarny, wyznaczymy stacjonarny pozom składk poprzez pomnożene wektora rozkładu prawdopodobeństwa przez transponowany wektor pozomu składk b. Jako kryterum stablzacj rozważymy wartość bezwzględną różncy pomędzy średną składką w n-tym roku 11. Rozkład początkowy ma postać wektora l 0, w którym jedynka odpowada klase początkowej (w tym przypadku klase czwartej), natomast zero klasom pozostałym. 99

10 Wadomośc Ubezpeczenowe 1/2014 a średną składką w roku poprzednm. Przyjmujemy, że system stablzuje sę w roku, w którym wartość bezwzględna tej różncy po raz perwszy będze mnejsza nż 0, Zatem, jeśl: P( n, λ) P( n 1, λ ) <0,000001, (17) to m = n 1 jest rokem, po którym system sę stablzuje. Tabela 6. Stacjonarny pozom składk oraz mary efektywnośc Lp Składka RSAL RSAL 2 Lp Składka RSAL RSAL 2 1 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Na podstawe danych przedstawonych w tabel 6 określmy czas, po jakm rozkład osąga stacjonarność: P( 57, λ) P( 56, λ) = 0, P( 58, λ) P( 57, λ) = 0<0, Rozkład stacjonarny dla systemu bonus-malus w 2011 r. osąga stacjonarność po m = 57 latach. 100

11 Analza modyfkacj systemów bonus-malus Średn stacjonarny pozom składk pozwala nam równeż wyznaczyć mary efektywnośc RSAL oraz RSAL 2 systemu bonus-malus (tabela 6). Wykres 2. Wartośc wskaźnków RSAL oraz RSAL 2 1,4 1,3 1,2 1,1 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0, Względny stacjonarny pozom składk Lata trwana ubezpeczena RSAL RSAL2 Na wykrese 2 można zauważyć, że przecętna składka stablzuje sę na pozome zblżonym do stacjonarnego dopero po około 30 latach, czy nawet po dłuższym okrese. W zwązku z tym, że składka wolno dąży do rozkładu stacjonarnego oraz maleje wraz z upływem lat, system staje sę coraz mnej efektywny. Przedstawone wartośc mar RSAL oraz RSAL 2 ne są zblżone do wartośc typowych dla dealnego systemu bonus-malus, o którym wspomnał Lemare. Podobna sytuacja ma mejsce w przypadku elastycznośc Lomaranta, której wartość równa 0, dla 2011 r. (tabela 7) jest daleka od oczekwanej wartośc równej 1. Zatem na podstawe wyznaczonych mar możemy stwerdzć, że system bonus-malus stosowany w TUR Warta w 2011 r. był neefektywny. 4. Badane efektywnośc systemu bonus-malus stosowanego w TUR Warta SA w latach Ponżej zostane zaprezentowana analza modyfkacj systemu bonus-malus stosowanego w TUR Warta SA na przestrzen lat Oblczena oraz wykresy wykonano w Mcrosoft Offce Excel oraz za pomocą programu napsanego w języku Octave. Tabela 7. Mary efektywnośc systemu w latach Rok RSAL 0, , , , , , RSAL 2 0, , , , , , Elastyczność Lomaranta 0, , , , , ,

12 Wadomośc Ubezpeczenowe 1/2014 Przedstawone w tabel 7 wynk oblczeń mówą o nskch wartoścach mar efektywnośc systemu. Na tle porównywanych systemów bonus-malus najbardzej zrównoważony jest system stosowany w 2010 r. W przypadku elastycznośc Lomaranta równeż w tym roku system najlepej dopasowuje składkę do ndywdualnego ryzyka zwązanego z częstoścą roszczeń. Wykres 3. Mara efektywnośc RSAL 0,50 0,45 0,40 Mara efektywnośc RSAL 0,35 0,30 0,25 0,20 0,15 0,10 0,05 RSAL 0, Rok trwana ubezpeczena Wykres 4. Mara efektywnośc RSAL 2 1,0 0,9 0,8 Mara efektywnośc RSAL2 0,7 0,6 0,5 0,4 0,3 0,2 0,1 RSAL2 0, Rok trwana ubezpeczena 102

13 Analza modyfkacj systemów bonus-malus Wykres 5. Elastyczność Lomaranta 1,0 0,9 Wartośc mary elastycznośc 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 Elastyczność 0, Rok trwana ubezpeczena Analzując wykresy 3, 4 oraz 5 możemy zauważyć, że efektywność elastyczność Lomaranta systemu rosła aż do 2010 r. Nestety po tym roku nastąpł gwałtowny spadek wartośc badanych parametrów. Można przypuszczać, że frma ponosła duże straty po zastosowanu systemu obowązującego w 2011 r. Podsumowane Wynk przeprowadzonej analzy pokazują, że do 2010 r. system bonus-malus obowązujący w TUR Warta SA dzałał prawdłowo. Natomast w 2011 r. nastąpł gwałtowny spadek wartośc mar, za pomocą których możlwa jest ocena efektywnośc systemu bonus-malus. Prawdopodobne z tego powodu w 2012 r. w frme ubezpeczenowej Warta SA tradycyjny system bonus-malus zastąpono nowym modelem znżek-zwyżek, uwzględnającym wele nowych czynnków, m.n. lczbę zgłoszonych szkód zarówno w ramach ubezpeczena AC, jak OC. Z begem lat okaże sę, czy wprowadzene nowego modelu w ubezpeczenach AC w 2012 r. przynese frme ubezpeczenowej Warta SA korzyśc fnansowe. Wykaz źródeł Kaas R., Goovaerts M.J., Dhaene J., Denut M., Modern actuaral rsk theory, Sprnger-Verlag, Berln Hedelberg Kowalczyk P., Poprawska E., Ronka-Chmelowec W., Metody aktuaralne, PWN, Warszawa Lemare J., Automoble nsurance, actuaral models, Kluwer-Njhoff Publshng, Boston

14 Wadomośc Ubezpeczenowe 1/2014 Lemare J., Bonus-malus system n automoble nsurance, Kluwer Academc Publshers, Boston Mszczyńska D., Mszczyńsk M., Systemy ubezpeczeń bonus-malus, podejśce symulacyjne, [w:] Modelowane preferencj a ryzyko, red. T. Trzaskalk, Wydawnctwo AE w Katowcach, Katowce Ostasewcz W., Składk ryzyko ubezpeczenowe: modelowane stochastyczne, Wydawnctwo AE, Wrocław Otto W., Ubezpeczena majątkowe, cz. I, Teora ryzyka, WNT, Warszawa Źródła nternetowe: ( ). html ( ). Analyss of modfcatons of bonus-malus systems n autocasco motor nsurance as exemplfed by the selected nsurance company The ssues dscussed n the artcle are connected wth the bonus-malus system, whch plays an mportant role n motor nsurance. It nvolves the need to assess ts effectveness. What nspred the research was the decson taken n 2012 by Towarzystwo Ubezpeczeń Reasekuracj Warta SA to resgn from the tradtonal bonus-malus system. The artcle analyses effectveness of the bonus-malus systems used by TUR Warta SA n autocasco motor nsurance n the years It helped assess the extent to whch the system functoned correctly at the nsurance company n queston, and showed the possble causes of the changes ntroduced n Key words: bonus-malus system, motor nsurance, nsurance premum, Posson dstrbuton. dr Ewa Łazuka adunkt w Katedrze Matematyk Stosowanej Wydzału Podstaw Technk Poltechnk Lubelskej. Klauda Stępkowska studentka I roku studów II stopna na kerunku Matematyka, na Wydzale Podstaw Technk Poltechnk Lubelskej. 104

ANALIZA WYBRANYCH METOD OCENY SYSTEMÓW BONUS-MALUS

ANALIZA WYBRANYCH METOD OCENY SYSTEMÓW BONUS-MALUS Anna Jędrzychowska Unwersytet Ekonomczny we Wrocławu Wydzał Zarządzana, Informatyk Fnansów Katedra Ubezpeczeń anna.jedrzychowska@ue.wroc.pl Ewa Poprawska Unwersytet Ekonomczny we Wrocławu Wydzał Zarządzana,

Bardziej szczegółowo

Pomiar efektywności systemu bonus-malus. Analiza wybranych metod oceny

Pomiar efektywności systemu bonus-malus. Analiza wybranych metod oceny Pomar efektywnośc systemu bonus-malus Anna Jędrzychowska Ewa Poprawska Pomar efektywnośc systemu bonus-malus. Analza wybranych metod oceny Artykuł stanow rozwnęce kontynuację zaprezentowanej na kartach

Bardziej szczegółowo

Klasyczne miary efektywności systemu bonus-malus

Klasyczne miary efektywności systemu bonus-malus Klasyczne mary efektywnośc systemu bonus-malus Anna Jędrzychowska Ewa Poprawska Klasyczne mary efektywnośc systemu bonus-malus Głównym celem wprowadzena systemu bonus-malus w ubezpeczenach komunkacyjnych

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

Bardziej szczegółowo

Proces narodzin i śmierci

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

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

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

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

Bardziej szczegółowo

65120/ / / /200

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Potr Mchalsk Węzeł Centralny OŻK-SB 25.12.2013 rok ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Celem ponższej analzy jest odpowedź na pytane: czy wykształcene radnych

Bardziej szczegółowo

Analiza ryzyka jako instrument zarządzania środowiskiem

Analiza ryzyka jako instrument zarządzania środowiskiem WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

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

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE

PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Krzysztof Dmytrów * Marusz Doszyń ** Unwersytet Szczecńsk PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA

Bardziej szczegółowo

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

Bardziej szczegółowo

Procedura normalizacji

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

dy dx stąd w przybliżeniu: y

dy dx stąd w przybliżeniu: y Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

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

Bardziej szczegółowo

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr

Bardziej szczegółowo

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

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

Bardziej szczegółowo

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO 3. ŁUK ELEKTRYCZNY PRĄDU STŁEGO I PRZEMIENNEGO 3.1. Cel zakres ćwczena Celem ćwczena jest zapoznane sę z podstawowym właścwoścam łuku elektrycznego palącego sę swobodne, w powetrzu o cśnentmosferycznym.

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Regulamin promocji 14 wiosna

Regulamin promocji 14 wiosna promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20 Darusz Letkowsk Unwersytet Łódzk BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG0 Wprowadzene Teora wyboru efektywnego portfela nwestycyjnego zaproponowana przez H. Markowtza oraz jej rozwnęca

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

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

Bardziej szczegółowo

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

OKRESOWA EMERYTURA KAPITAŁOWA ZE ŚRODKÓW ZGROMADZONYCH W OFE

OKRESOWA EMERYTURA KAPITAŁOWA ZE ŚRODKÓW ZGROMADZONYCH W OFE OKRESOWA EMERYTURA KAPITAŁOWA ZE ŚRODKÓW ZGROMADZONYCH W OFE Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Warunk nabywana prawa do okresowej emerytury kaptałowej ze środków zgromadzonych w otwartym

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

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

Bardziej szczegółowo

Regulamin promocji zimowa piętnastka

Regulamin promocji zimowa piętnastka zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna

Bardziej szczegółowo

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ   Autor: Joanna Wójcik Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

Uchwała nr L/1044/05 Rady Miasta Katowice. z dnia 21 listopada 2005r.

Uchwała nr L/1044/05 Rady Miasta Katowice. z dnia 21 listopada 2005r. Uchwała nr L/1044/05 Rady Masta Katowce z dna 21 lstopada 2005r. w sprawe określena wysokośc stawek podatku od środków transportowych na rok 2006 obowązujących na terene masta Katowce Na podstawe art.18

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju

Bardziej szczegółowo

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna

Bardziej szczegółowo

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli) Model odstawowe założena modelu: ceny płace mogą ulegać zmanom (w odróżnenu od poprzedno omawanych model) punktem odnesena analzy jest obserwacja pozomu produkcj cen (a ne stopy procentowej jak w modelu

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r. Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego

Bardziej szczegółowo

Komórkowy model sterowania ruchem pojazdów w sieci ulic.

Komórkowy model sterowania ruchem pojazdów w sieci ulic. Komórkowy model sterowana ruchem pojazdów w sec ulc. Autor: Macej Krysztofak Promotor: dr n ż. Marusz Kaczmarek 1 Plan prezentacj: 1. Wprowadzene 2. Cel pracy 3. Podsumowane 2 Wprowadzene Sygnalzacja śwetlna

Bardziej szczegółowo

Regulamin promocji upalne lato 2014 2.0

Regulamin promocji upalne lato 2014 2.0 upalne lato 2014 2.0 strona 1/5 Regulamn promocj upalne lato 2014 2.0 1. Organzatorem promocj upalne lato 2014 2.0, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa

Bardziej szczegółowo

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu

Bardziej szczegółowo

NOWA EMERYTURA Z FUNDUSZU UBEZPIECZEŃ SPOŁECZNYCH

NOWA EMERYTURA Z FUNDUSZU UBEZPIECZEŃ SPOŁECZNYCH NOWA EMERYTURA Z FUNDUSZU UBEZPIECZEŃ SPOŁECZNYCH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Warunk nabywana prawa do nowej emerytury oraz jej wysokość określa ustawa z dna 17 grudna 1998 r.

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach Jacek Batóg Unwersytet Szczecńsk Analza dagnoza sytuacj fnansowej wybranych branż notowanych na Warszawskej Gełdze Paperów Wartoścowych w latach 997-998 W artykule podjęta została próba analzy dagnozy

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo

Statystyka Inżynierska

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

Bardziej szczegółowo

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)

Bardziej szczegółowo

O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH

O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Mateusz Baryła Unwersytet Ekonomczny w Krakowe O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Wprowadzene

Bardziej szczegółowo

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 4 60-965 POZAŃ (budynek Centrum Mechatronk, Bomechank anonżyner) www.zmsp.mt.put.poznan.pl tel. +48 61 665 5 70 fax

Bardziej szczegółowo

Modelowanie struktury stóp procentowych na rynku polskim - wprowadzenie

Modelowanie struktury stóp procentowych na rynku polskim - wprowadzenie Mgr Krzysztof Pontek Katedra Inwestycj Fnansowych Ubezpeczeń Akadema Ekonomczna we Wrocławu Modelowane struktury stóp procentowych na rynku polskm - wprowadzene Wprowadzene Na rynku stóp procentowych analzowana

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.

Bardziej szczegółowo

Statystyka. Zmienne losowe

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

Bardziej szczegółowo

ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI PRACY

ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI PRACY STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36, T. 1 Barbara Batóg *, Jacek Batóg ** Unwersytet Szczecńsk ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI

Bardziej szczegółowo

Nieparametryczne Testy Istotności

Nieparametryczne Testy Istotności Neparametryczne Testy Istotnośc Wzory Neparametryczne testy stotnośc schemat postępowana punkt po punkce Formułujemy hpotezę główną odnoszącą sę do: zgodnośc populacj generalnej z jakmś rozkładem, lub:

Bardziej szczegółowo

Regulamin promocji fiber xmas 2015

Regulamin promocji fiber xmas 2015 fber xmas 2015 strona 1/5 Regulamn promocj fber xmas 2015 1. Organzatorem promocj fber xmas 2015, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna 2015

Bardziej szczegółowo

SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ

SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ Jan JANKOWSKI *), Maran BOGDANIUK *),**) SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ W referace przedstawono równana ruchu statku w warunkach falowana morza oraz

Bardziej szczegółowo

Wyznaczanie długości fali światła metodą pierścieni Newtona

Wyznaczanie długości fali światła metodą pierścieni Newtona 013 Katedra Fzyk SGGW Ćwczene 368 Nazwsko... Data... Nr na lśce... Imę... Wydzał... Dzeń tyg.... Ćwczene 368: Godzna.... Wyznaczane długośc fal śwatła metodą perścen Newtona Cechowane podzałk okularu pomarowego

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

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

Bardziej szczegółowo

MATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw

MATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw MATERIAŁY I STUDIA Zeszyt nr 86 Analza dyskrymnacyjna regresja logstyczna w procese oceny zdolnośc kredytowej przedsęborstw Robert Jagełło Warszawa, 0 r. Wstęp Robert Jagełło Narodowy Bank Polsk. Składam

Bardziej szczegółowo

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach

Bardziej szczegółowo

MIARY ZALEŻNOŚCI ANALIZA STATYSTYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU METALI NIEŻELAZNYCH

MIARY ZALEŻNOŚCI ANALIZA STATYSTYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU METALI NIEŻELAZNYCH Domnk Krężołek Unwersytet Ekonomczny w Katowcach MIARY ZALEŻNOŚCI ANALIZA AYYCZNA NA PRZYKŁADZIE WYBRANYCH WALORÓW RYNKU MEALI NIEŻELAZNYCH Wprowadzene zereg czasowe obserwowane na rynkach kaptałowych

Bardziej szczegółowo

Analiza regresji modele ekonometryczne

Analiza regresji modele ekonometryczne Analza regresj modele ekonometryczne Klasyczny model regresj lnowej - przypadek jednej zmennej objaśnającej. Rozpatrzmy klasyczne zagadnene zależnośc pomędzy konsumpcją a dochodam. Uważa sę, że: - zależność

Bardziej szczegółowo

Ryzyko inwestycji. Ryzyko jest to niebezpieczeństwo niezrealizowania celu, założonego przy podejmowaniu określonej decyzji. 3.

Ryzyko inwestycji. Ryzyko jest to niebezpieczeństwo niezrealizowania celu, założonego przy podejmowaniu określonej decyzji. 3. PZEDMIIOT : EFEKTYWNOŚĆ SYSTEMÓW IINFOMTYCZNYCH 3. 3. Istota, defncje rodzaje ryzyka Elementem towarzyszącym każdej decyzj, w tym decyzj nwestycyjnej, jest ryzyko. Wynka to z faktu, że decyzje operają

Bardziej szczegółowo

Analiza korelacji i regresji

Analiza korelacji i regresji Analza korelacj regresj Zad. Pewen zakład produkcyjny zatrudna pracownków fzycznych. Ich wydajność pracy (Y w szt./h) oraz mesęczne wynagrodzene (X w tys. zł) przedstawa ponższa tabela: Pracownk y x A

Bardziej szczegółowo

Opracowanie metody predykcji czasu życia baterii na obiekcie i oceny jej aktualnego stanu na podstawie analizy bieżących parametrów jej eksploatacji.

Opracowanie metody predykcji czasu życia baterii na obiekcie i oceny jej aktualnego stanu na podstawie analizy bieżących parametrów jej eksploatacji. Zakład Systemów Zaslana (Z-5) Opracowane nr 323/Z5 z pracy statutowej pt. Opracowane metody predykcj czasu życa bater na obekce oceny jej aktualnego stanu na podstawe analzy beżących parametrów jej eksploatacj.

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI

ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI Krzysztof Wsńsk Katedra Statystyk Matematycznej, AR w Szczecne e-mal: kwsnsk@e-ar.pl ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI Streszczene: W artykule omówono metodologę modelu MOTAD pod kątem

Bardziej szczegółowo

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie 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 szczegółowo

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

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

Bardziej szczegółowo

ZASTOSOWANIA METOD MATEMATYCZNYCH W EKONOMII I ZARZĄDZANIU

ZASTOSOWANIA METOD MATEMATYCZNYCH W EKONOMII I ZARZĄDZANIU ZASTOSOWANIA METOD MATEMATYCZNYCH W EKONOMII I ZARZĄDZANIU Studa Ekonomczne ZESZYTY NAUKOWE WYDZIAŁOWE UNIWERSYTETU EKONOMICZNEGO W KATOWICACH ZASTOSOWANIA METOD MATEMATYCZNYCH W EKONOMII I ZARZĄDZANIU

Bardziej szczegółowo

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE

KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch

Bardziej szczegółowo

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość

Bardziej szczegółowo