KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁ DU PROGNOZY
|
|
- Lech Kowal
- 8 lat temu
- Przeglądów:
Transkrypt
1 KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁDU PROGNOZY HENRYK MARJAK Zachodnopomorsk Unwersytet Technologczny w Szczecne Streszczene Klasyczne podejce do zastosowana sec neuronowych w prognozowanu fnansowych szeregów czasowych to trenowane model sec, a do uzyskana oczekwanej mary błdu predykcj. W pracy porównano mary błdów predykcj oraz odpowadajce m krytera fnansowe. Za pomoc wybranych metod analzy statystycznej okrelono relacj oraz jej sł pomdzy kryteram wyboru, a wynkem fnansowym. Oblczena przeprowadzono dla ndeksu WIG. Słowa kluczowe: sec neuronowe, predykcja, krytera wyboru 1. Wprowadzene Sec neuronowe s strukturam utworzonym z elementów mtujcym nektóre cechy rzeczywstych neuronów. Sec neuronowe stosuje s do rozwzywana praktycznych problemów, mdzy nnym korzysta s z nch w prognozowanu bankructw, analze wnosków o wydane kart kredytowych, prognozowanu zachowana rynku akcj, selekcj akcj, przewdywanu kursów walutowych, wycene neruchomoc, wycene opcj, analze rynków kaptałowych [1]. Zwzk zasady, pojawajce s pomdzy neuronam w sec neuronowej, dobrze sprawdzaj s w przestrzenach welowymarowych. Proces uczena polega na welokrotnym przedstawanu wzorców danych uczcych. Lczba cykl uczena zalena jest od postpu uczena. Uczene przerywane jest, gdy warto błdu osgne załoon warto lub gdy dalszy trenng ne powoduje zmnejszana s mary mnmalzowanego błdu. Wkszo systemów prognozujcych fnansowe szereg czasowe, w oparcu o sec neuronowe, jako kryterum optymalzacyjne stosuje błd kwadratowy (squared error). Jednake celem welu tych zastosowa jest w wkszym stopnu, podjce odpowednch decyzj fnansowych, n mnmalzacja błdu prognozy. Rozwaana dotyczce wyboru optymalnego portfela akcj przeprowadzone były przez Bengo []. Celem pracy jest okrelene metody wyboru optymalnej struktury sec neuronowej zastosowanej do podejmowana decyzj fnansowych na podstawe szeregów czasowych. Cel ten zrealzowany zostane przez okrelene relacj pomdzy badanym maram błdu lub czynnkem fnansowym, a wynkem fnansowym. Zbadane zostane, które z wybranych kryterów oceny sec neuronowej umolwa osgnce najlepszego wynku fnansowego. Wszystke oblczena, przeprowadzono po procese optymalzacj sec neuronowych.
2 18 Krytera wyboru archtektury sec neuronowych - fnansowe czy błdu prognozy. Materał metody Materał empryczny stanowły dane, obejmujce okres kwece 4 - kwece 8, podzelone na trzy kategore [3, 4]: 1. Warto ndeksu WIG kursy zamknca (t=-1..-3).. Kurs walut okrelane przez NBP dolar amerykask, euro, jen. 3. Wybrane ndeksy gełdowe DJIA, S&P5, DAX, NIKKEI, FTSE. Dane podzelono na zbór uczcy testowy, nastpn faz stanowły badana na zborach waldacyjnych, które ne brały udzału w ocene jakoc sec neuronowej. Zbór uczcy wykorzystano do optymalzacj wag połcze mdzyneuronowych, na podstawe zboru testowego dokonano weryfkacj wyboru struktur o najlepszych walorach prognostycznych. Wartoc za ten okres wykorzystane zostały w celu wyłonena najlepej generalzujcych archtektur. Nastpne prace prowadzono na danych waldacyjnych. Zbór danych podzelono na 8 czc. Kad z tych czc ponowne podzelono na zbory uczcy testujcy (8% dane uczce, % dane testujce). Dane skalowano w wartoc z zakresu od,1 do,9. Wzór normalzacj dla zakresu [a,b] okrelony jest nastpujco [3]: ( p mn) ( b a) pˆ = + a max mn gdze: pˆ - warto w -tym okrese po znormalzowanu, p - neznormalzowana warto w okrese -tym, max, mn - wartoc maksymalna mnmalna w normalzowanym zakrese danych, a, b zakres normalzacj. Ocen jakoc sec oraz jakoc prognoz, uzyskwanych za pomoc tych sec, przeprowadzono z wykorzystanem nastpujcych kryterów oceny predykcj [5, 6]: 1. Kwadrat wskanków korelacyjnych Pearsona, RSQ n 1 = = = 1 n 1. Kryterum predykcyjne Anemya, PC = 3. Uogólnony sprawdzan krzyowy, σ ) t ) n + p 1 n p n 1 = = 1 n 1 σ ) t )
3 POLSKIE STOWARZYSZENIE ZARZDZANIA WIEDZ Sera: Studa Materały, nr, 9 19 n GCV = n 1 = 4. Kryterum nformacyjne Akake a σ ) ( n p) Gdze: t wartoc rzeczywste, AIC = n ln n 1 = σ ) n + p σ wartoc otrzymane, t redna wartoc rzeczywstych, p - lczba wag, n lczba próbek. Mar oceny jakoc sec neuronowej w podejmowanu decyzj fnansowych, była suma zysk/strata wszystkch transakcj dla danego zboru danych (Fn_tr, Fn_tst). Sygnał zawarca transakcj generowany był na podstawe oceny róncy mdzy wartoc otwarca ndeksu WIG w danym dnu, a prognozowan wartoc zamknca tego ndeksu. Sygnał kupna generowany był kedy rónca ta była wksza od wartoc grancznej (α). Sygnał sprzeday generowany był kedy rónca była mnejsza n warto granczna ze znakem ujemnym (-α). Jel rónca mdzy wartoc otwarca ndeksu w danym dnu, a prognozowan wartoc zamknca zawarta była pomdzy -α, a α, generowany był sygnał neutralny. W przeprowadzonych oblczenach α przejto na pozome 1 punktów. W celu zmnejszena strat w przypadku błdnych sygnałów, transakcje były zamykane w przypadku, gdy strata była wksza od przyjtej wartoc stop loss równej 1 punktów [, 7]. W optymalzacj sec neuronowej zastosowano algorytm propagacj wstecznej błdu, z jedn warstw ukryt z neuronam od 3 do 13, w warstwe tej funkcje aktywacj to: funkcja logstyczna albo funkcja tanh. Warstwa wejcowa składała s z 11 wzłów, a wyjcowa to jeden neuron, z lnow funkcj aktywacj. W perwszym etape, dla zborów uczcych, oblczono za pomoc sec neuronowych prognozy okrelono podane krytera oceny prognoz (SSE, RSQ, PC, GCV, AIC, Fn_tr ) dla tych sec oraz sum zysk/strata uzyskan na podstawe prognoz uzyskanych ze zborów testujcych (Fn_tst). Ponewa, zgodne z defncjam tylko mary: SSE, RSQ Fn_tr, s nezalene od lczby optymalzowanych elementów, dlatego w drugm etape porównano krytera oceny sec dla grup podzelonych według złoonoc sec: dla sec do 7 wag oraz sec powyej 7 optymalzowanych wag. 3. Wynk empryczne W perwszym etape najwksz sum zysk/strata (Fn_tst = 153,3) uzyskano dla modelu, dla którego krytera oceny przedstawały s nastpujco: SSE= ,66; RSQ=,98945; PC=,98736; GCV=1654,89; AIC=961,14; Fn_tr=3146,75. W przypadku prawe wszystkch
4 11 Krytera wyboru archtektury sec neuronowych - fnansowe czy błdu prognozy kryterów (SSE, RSQ, PC, GCV AIC) wartoc te były gorsze od wartoc rednch medan, GCV AIC, co ne wskazywało na dobre własnoc prognostyczne modelu, jedyne warto kryterum fnansowego Fn_tr znajdowało s znaczco powyej rednej (porównaj Tabela 1). Tabela 1. Wybrane statystyk opsowe Statystyk opsowe N wanych redna Medana Mnmum Maksmum Odch.std Zmenna SSE 14 7,9 4888, 46455, , ,8 RSQ 14,993884,99466,981516,998695,3843 PC 14,9948,989987,977859,99718,51 GCV ,5 1315,5 83,54 334,1 571,8 AIC ,1 638, 189,9 398,7 31, Fn_tr 14 1,3 6,8-18, ,3 885,9 Fn_tst 14 73,7 39,7-965,6 153,3 41,7 Najlepsz ocen RSQ=,99869 uzyskał model, dla którego uzyskano zysk dla zboru testowego Fn_tst= - 965,6 jest to warto mnmalna Fn_tst, równe nne parametry z wyjtkem Fn_tr wskazywały na to, e jest to dobry model: SSE= 7645,183; PC=,9973; GCV=474,64; AIC=381,58; Fn_tr=419,15. Dla najlepszej wartoc parametru PC=,99718, uzyskano sum zysk/strata równ Fn_tst=339,5, co jest wartoc znaczne powyej rednej. Pozostałe mary, z wyjtkem Fn_tr=34,97, równe wskazywały na dobr jako modelu: przyjmujc wartoc dla RSQ blsk maksymalnej (RSQ=,99859); GCV blsk mnmalnej (GCV=4,59), a AIC wyrane ponej rednej (AIC=36,18). Najlepsze, mnmalne wartoc GCV=83,543 AIC=189,916 wskazywały na model, na podstawe którego wynk fnansowy ne był korzystny Fn_tst=-11,188, co jest wartoc mnejsz od rednej. Pozostałe wartoc RSQ=,99841 PC=,99666 były blske wartocom maksymalnym, natomast kryterum fnansowe Fn_tr=1,4 wskazywało na słab jako modelu. Najlepszy model na który wskazywałoby kryterum fnansowe (Fn_tr=4371,3) uzyskał dla danych testowych Fn_tst=4,46 czyl powyej rednej, ale wszystke pozostałe krytera ne wyrónały tego modelu (SSE=631965,337, RSQ=,98397, PC=,9853, GCV=8,36, AIC=838,8). Czy mona zatem odpowedze na pytane który lub które z badanych model naley okrel jako optymalny lub włacwy dla dalszych analz? Jednoznacznej odpowedz na to pytane ne daje równe analza korelacj (Tabela ). Tabela. Współczynnk korelacj badanych kryterów wzgldem Fn_tst Oznaczone wsp. korelacj s stotne z p<,5 SSE RSQ PC GCV AIC Fn_tr Fn_tst,4 -,4 -,44,46,41,7 Wszystke krytera błdu prognozy pokazuj podobny co do sły zwzek korelacyjny od,41 (AIC) do,46 (GCV). Wsp. korelacj dla kryterum fnansowego (,7) prezentuje najnsz warto bezwzgldn, ale jak pamtamy wybór modelu w oparcu o Fn_tr dało Fn_tst powyej rednej.
5 POLSKIE STOWARZYSZENIE ZARZDZANIA WIEDZ Sera: Studa Materały, nr, Kolejn prób odnalezena kryterum bd kryterów wyboru efektywnych sec bdze analza regresyjna. Ponewa analza korelacyjna ne dała adnej wskazówk, która z badanych wartoc mogłaby jednoznaczne by kryterum wyboru, dlatego do znalezena odpowedz zastosowano regresj welorak krokow zstpujc, gdze w kadym kroku elmnowana była zmenna o najwkszej wartoc p, a do osgnca zmennych stotnych. Ze wzgldu na due wartoc współczynnków korelacj pomdzy zmennym opsujcym, zastosowano ne metod najmnejszych kwadratów, tylko regresj grzbetow. Wynk przedstawono w Tabel 3. Tabela 3. Regresja weloraka dla badanych kryterów Podsumowane regresj grzbetowej dla zmn. zal.: Fn_tst (wynk transp bez z3.sta) l=,1 R=, R=, Skoryg. R^=,18557 F(1,138)=3,557 p BETA Bł. std. - BETA B Bł. std. - B t(138) pozom p W. wolny -85,14 7,716-4,577,8 GCV,41657,738,99,544 5,7586, W kolejnych krokach wyelmnowane zostały wszystke zmenne nezalene (nestotne statystyczne) z wyjtkem uogólnonego sprawdzanu krzyowego (GCV). Nepokojca pozostaje równe newelka zdolno wyjanajca ok. 19%. Badane sec neuronowe to sec gdze optymalzowane s od 36 (11-3-1) do 156 ( ) wag. Z jednej strony, zgodne z defncjam dla czc badanych kryterów złoono (ze wzgldu na lczb wag) badanej struktury ma wpływ na oblczan warto błdu, moe te pojaw s problem ze spełnenem warunku, e lczba próbek pownna by duo wksza od lczby optymalzowanych wag (n>>p). Z drugej strony oczekwa mona lepszych włacwoc dopasowana, a tym samym lepszych kryterów oceny badanych bardzej złoonych model, przy czym naley pamta o ryzyku nadmernego dopasowana, dla wektorów uczcych, a tym samym gorszych własnoc do generalzacj w trakce testowana. Badane sec podzelone zostały na dwe grupy według kryterum złoonoc jedna grupa to sec o maksymalne 7 wagach (co odpowada 6 neuronom w warstwe ukrytej), druga grupa to sec bardzej złoone o wcej n 7 optymalzowanych wagach. Wstpna analza (Ryc. 1) wykazuje rónce badanych parametrów w zalenoc od złoonoc, jednake ostatn parametr czyl Fn_tst pokazuje wartoc podobne nezalene od złoonoc model. Badane normalnoc rozkładów (test Shapro-Wlka) w grupach pozwala na odrzucene hpotezy o normalnoc rozkładu badanych zmennych. W zwzku z tym do zbadana stotnoc rónc w badanych grupach zastosowano test U Manna-Whtneya, który pozwolł udowodn, e rónce w grupach s stotne (z p<,5). Podobne jak w przypadku poprzednm, oblczone zostan wsp.korelacj w grupach (Tab. 4). Tabela 4. Współczynnk korelacj badanych kryterów wzgldem Fn_tst dla grup Oznaczone wsp. korelacj s stotne z p <,5 Fn_tst grupa N SSE RSQ PC GCV AIC Fn_tr p<=7 48,5 -,46 -,44,49,4,9 p>7 9,4 -,43 -,44,43,4,5 Analza korelacyjna w grupach wskazuje, na slnejsze zwzk korelacyjne w grupe o mnej-
6 11 Krytera wyboru archtektury sec neuronowych - fnansowe czy błdu prognozy szej złoonoc. Szczególne wda to dla błdu SSE, dla którego w grupe p<=7 wsp.korelacj SSE wzgldem Fn_tst osgnł warto,5 (przy,4 dla wszystkch model dla grupy p>7). Dla prawe wszystkch, oprócz PC, wsp. korelacj osgnły wksze wartoc w grupe o mnejszej złoonoc. Mona zakłada, ze zwzane to było po perwsze z lepszym włacwocam generalzujcym badanych sec, a w mnejszej czc z wpływem lczby optymalzowanych wag w oblczenach nektórych błdów (np. dla PC ne zmenł s wsp. korelacj w kadej z grup). 9E5 8E5 7E5 6E5 5E5 4E5 3E5 E5 1E5 SSE p<=7 p>7 p grupujce GCV p<=7 p>7 p grupujce Fn_tr p<=7 p>7 p grupujce Fn_tst p<=7 p>7 p grupujce Medana 5%-75% Mn-Maks Rys. 1. Wybrane skategoryzowane wykresy ramka wsy z podzałem na grupy Mona zatem sprawdz, za pomoc analzy regresj, czy równe w grupach powtórzy s sytuacja, kedy regresja weloraka zredukowana zostane do modelu regresyjnego jednej zmennej, a zarazem, czy kryterum najbardzej skorelowane w grupach, bdze równe najlepej opsywało Fn_tst oraz czy bdze tym samym kryterum (dla p<=7 SSE, dla p>7 PC). Podobne jak w poprzednm przypadku zastosowano regresj welorak krokow zstpujc, gdze w kadym kroku elmnowana była zmenna o najwkszej wartoc p, a do osgnca zmennych stotnych. Due wartoc współczynnków korelacj pomdzy zmennym opsujcym, spowodowały, e zastosowano regresj grzbetow, a ne metod najmnejszych kwadratów. Wynk analzy przedstawono w Tabel 5.
7 POLSKIE STOWARZYSZENIE ZARZDZANIA WIEDZ Sera: Studa Materały, nr, Tabela 5. Regresja weloraka dla badanych kryterów w grupach Podsumowane regresj grzbetowej dla zmn. zal.: Fn_tst p grupujce<=7 l=,1 R=, R=, Skoryg. R^=, F(1,46)=13,734 p BETA Bł. std. - BETA B Bł. std. - B t(46) pozom p W. wolny - 1,516 -, ,99,3811 SSE,45718,13365,1,3 3,7591,564 Podsumowane regresj grzbetowej dla zmn. zal.: Fn_tst p grupujce>7 l=,1 R=,4133 R=, Skoryg. R^=, F(1,9)=18,4 p BETA Bł. std. - BETA B Bł. std. - B t(9) pozom p W. wolny - 88,3558 -,165 85,63 3,4451 GCV,393,91568,35,794 4,911,45 Wynk regresj zstpujcej welorakej ponowne dały równane regresj jednej zmennej, przy czym w przypadku model prostych (p<=7) zmenn opsujc jest SSE czyl błd do którego wszystke sec były optymalzowane, natomast grupa model złoonych ponowne wskazany został uogólnony sprawdzan krzyowy (GCV) jako element, z pomoc którego mona włacwe wybra model sec neuronowej do dalszych bada. Tym co w tej sytuacj najbardzej nepoko to nadal nske własnoc wyjanajce. W grupe model prostszych model pozwala wyjan ok. % zmennoc (wcej n dla wszystkch model), w grupe dla p>7 włacwoc wyjanajce dla oblczonego modelu zmnejszyły s do ok. 16%. 4. Wnosk Współczynnk determnacj regresj welorakej zmennej Fn_tst przez prezentowane krytera wyboru modelu wskazuje na małe zdolnoc wyjanajce (19-%) tych funkcj. Włacwoc wyjanajce zwkszyły s w grupe model o mnejszej lczbe optymalzowanych wag. Choca wstpna analza badanych model pod wzgldem fnansowym wskazywała, e wybór na podstawe kryterum fnansowego (Fn_tr) daje model o dobrych włacwocach, to analza korelacyjna tak dla całego zboru jak w grupach, wskazywała Fn_tr jako najgorszy sposób wyboru modelu do dalszych prac. Podobne, analza regresj w adnym przypadku ne wskazała na kryterum fnansowe jako kryterum odnajdujce najlepsze modele. Krytera predykcyjne wskazywały na modele z klkunastoma neuronam ukrytym (11-13). W przypadku kryterum decyzj fnansowych dla badanych zborów lo neuronów ukrytych ne układała s w zdecydowan tendencj.
8 114 Krytera wyboru archtektury sec neuronowych - fnansowe czy błdu prognozy Bblografa: 1. Deboeck G. J. (ed): Tradng on the edge: neural, genetc, and fuzzy systems for chaotc and fnancal markets, John Wley&Sons, Bengo Y.: Tranng a neural network wth a fnancal crteron rather than a predcton crteron, n Proc. Fourth Int. Conf. Neural Networks Captal Markets, A. S. Wegend, Y. Abu-Mostafa, and A.-P. N. Refenes, Eds., 1997, pp Azoff E. M.: Neural network tme seres forecastng of fnancal markets, John Wsley&Sons, Kmoto, T., Asakawa, K., Yoda,. M. and Takeoka, M.: Stock market predcton system wth modular neural networks. In Proceedngs of the Internatonal Jont Conference on Neural Networks. San Dego, 199, pp. I Judge G. G., Grffths W. E., Hll R. C., and Lee T.: The theory and practce of econometrcs. John Wley & sons, Rumelhart D. E., McClelland J. L., 1986, Parallel Dstrbuted Processng, volume 1, MIT Press, Cambrdge. 7. Toulson, D. L. and Toulson, S. P. Use of Neural Network Ensembles for Portfolo Selecton and Rsk Management. NeuroCOLT Techncal Report Seres, NC-TR-96-46, SELECTION CRITERIA OF ARCHITECTURE FOR NEURAL NETWORKS FINANCIAL OR PREDICTION ERROR CRITERION Summary The tradtonal approach to the mplementaton of neural networks n forecastng fnancal tme seres conssts n the tranng of networks models untl the expected measure of the predcton error s acheved. In the present study the measures of predcton errors and ther correspondng fnancal crtera were compared. By means of regresson analyss the power of relaton between the crtera of selecton and the fnancal result was determned. The calculatons were made for the WIG ndex. Keywords: neural networks, predcton, selecton crtera Zakład Analzy Systemowej Zachodnopomorsk Unwersytet Technologczny 71-7 Szczecn, ul. Janckego 31 e-mal: henryk.marjak@zut.edu.pl.
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 szczegółowoKURS 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 szczegółowoZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW
ZASTOSOWANIE PROGRAOWANIA DYNAICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EISJI GAZÓW ANDRZEJ KAŁUSZKO Instytut Bada Systemowych Streszczene W pracy opsano zadane efektywnego przydzału ogranczonych rodków
Bardziej szczegółowoLABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1)
LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-) wwwmuepolslpl/~wwwzmape Opracował: Dr n Jan Około-Kułak Sprawdzł: Dr hab n Janusz Kotowcz Zatwerdzł: Dr hab n Janusz Kotowcz Cel wczena Celem wczena jest
Bardziej szczegółowoProblemy 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 szczegółowoZastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...
Adam Waszkowsk * Adam Waszkowsk Zastosowane welowymarowej analzy porównawczej w doborze spó³ek do portfela nwestycyjnego Zastosowane welowymarowej analzy porównawczej... Wstêp Na warszawskej Ge³dze Paperów
Bardziej szczegółowoBadanie 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 szczegółowoModele 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 szczegółowoaij - wygrana gracza I bij - wygrana gracza II
M.Mszczsk KBO UŁ, Badana operacjne I (cz.) (wkład B 7) GRY KONFLIKTOWE GRY -OSOBOWE O SUMIE WYPŁT ZERO I. DEFINICJE TWIERDZENI Konflktowe gr dwuosobowe opsuje macerz wpłat ( a ) [ ] mxn j,b j gdze: aj
Bardziej szczegółowoMETODA GMDH DO PROGNOZOWANIA RYNKÓW W WARUNKACH KRYZYSU FINANSOWEGO
METODA GMDH DO PROGNOZOWANIA RNKÓW W WARUNKACH KRZSU FINANSOWEGO ANTONI WILISKI Zachodnopomorsk Unwersytet Technczny Streszczene W artykule rozwaany jest odweczny problem dokładnoc predykcj na rynkach
Bardziej szczegółowoANALIZA 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 szczegółowoWERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH
SCRIPTA COMENIANA LESNENSIA PWSZ m. J. A. Komeńskego w Leszne R o k 0 0 8, n r 6 TOMASZ ŚWIST* WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH
Bardziej szczegółowoPlan 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 szczegółowoSTATYSTYKA 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 szczegółowoBADANIE 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 szczegółowoPROGNOZOWANIE 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 szczegółowoAnaliza 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 szczegółowoZeszyty Naukowe UNIWERSYTETU PRZYRODNICZO-HUMANISTYCZNEGO w SIEDLCACH Nr 96 Seria: Administracja i Zarz dzanie 2013
Zeszyty aukowe UIWERSYTETU PRZYRODICZO-HUMAISTYCZEGO w SIEDLCACH r 96 Sera: Admnstracja Zarzdzane 013 mgr Marta Kruk Poltechnka Warszawska Ocena ryzyka nwestowana w walory wybranych spóek brany budowlanej
Bardziej szczegółowoNeural networks. Krótka historia 2004-05-30. - rozpoznawanie znaków alfanumerycznych.
Neural networks Lecture Notes n Pattern Recognton by W.Dzwnel Krótka hstora McCulloch Ptts (1943) - perwszy matematyczny ops dzalana neuronu przetwarzana przez nego danych. Proste neurony, które mogly
Bardziej szczegółowoKURS 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 szczegółowoRozwiązywanie 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 szczegółowoO 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 szczegółowoOKREŚLENIE CZASU MIESZANIA WIELOSKŁADNIKOWEGO UKŁADU ZIARNISTEGO PODCZAS MIESZANIA Z RECYRKULACJĄ SKŁADNIKÓW
Inżynera Rolncza 8(96)/2007 OKREŚLENIE CZASU MIESZANIA WIELOSKŁADNIKOWEGO UKŁADU ZIARNISTEGO PODCZAS MIESZANIA Z RECYRKULACJĄ SKŁADNIKÓW Jolanta Królczyk, Marek Tukendorf Katedra Technk Rolnczej Leśnej,
Bardziej szczegółowoStanisław 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 szczegółowoOPTYMALNE 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 szczegółowoStatystyka. 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 szczegółowoKlasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5
Bardziej szczegółowoSystem M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz
System M/M// System ten w odrónenu do wczenej omawanych systemów osada kolejk. Jednak jest ona ogranczona, jej maksymalna ojemno jest wartoc skoczon
Bardziej szczegółowoWPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH
Ćwczene nr 1 Statystyczne metody wspomagana decyzj Teora decyzj statystycznych WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH Problem decyzyjny decyzja pocągająca za sobą korzyść lub stratę. Proces decyzyjny
Bardziej szczegółowoPROCEDURA OCENY EFEKTÓW KSZTAŁCENIA, OSI GANYCH PRZEZ STUDENTÓW SPECJALNO CI INFORMATYCZNYCH
PROCEDURA OCENY EFEKTÓW KSZTAŁCENIA, OSIGANYCH PRZEZ STUDENTÓW SPECJALNOCI INFORMATYCZNYCH WALERY SUSŁOW, ADAM SŁOWIK, TOMASZ KRÓLIKOWSKI Streszczene W nnejszym artykule przedstawono procedury organzacyjne
Bardziej szczegółowoMODELOWANIE 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 szczegółowo8. 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 szczegółowoMETODA 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 szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 11
Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra
Bardziej szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009.
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009 Unwersytet Mkołaja Kopernka w Torunu Katedra Ekonometr Statystyk Elżbeta
Bardziej szczegółowoW 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 szczegółowobanków detalicznych Metody oceny efektywnoœci operacyjnej
Metody oceny efektywnoœc operacyjnej banków detalcznych Danuta Skora, mgr, doktorantka Wydza³u Nauk Ekonomcznych, Dyrektor Regonu jednego z najwêkszych banków detalcznych Adran Kulczyck, mgr, doktorant
Bardziej szczegółowoSzymon Chojnacki MODELOWANIE KONIUNKTURY GOSPODARCZEJ Z WYKORZYSTANIEM DANYCH TEKSTOWYCH
MODELOWANIE KONIUNKTURY GOSPODARCZEJ Z WYKORZYSTANIEM DANYCH TEKSTOWYCH Szymon Chojnack Zakład Wspomagana Analzy Decyzj, Szkoła Główna Handlowa, Warszawa 1 WPROWADZENIE Gospodarka krajów rozwnętych podlega
Bardziej szczegółowoANALIZA TEKSTUR W OBRAZACH CYFROWYCH I JEJ ZASTOSOWANIE DO OBRAZÓW ANGIOGRAFICZNYCH
POLITECHNIKA WARSZAWSKA WYDZIAŁ ELEKTRONIKI I TECHNIK INFORMACYJNYCH INSTYTUT AUTOMATYKI I INFORMATYKI STOSOWANEJ mgr n. Ewa Sntkowska ANALIZA TEKSTUR W OBRAZACH CYFROWYCH I JEJ ZASTOSOWANIE DO OBRAZÓW
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 321(80)3, 5 14
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn., Oeconomca 215, 321(8)3, 5 14 Agneszka BARCZAK POMIAR WAHAŃ SEZONOWYCH RUCHU PASAŻERSKIEGO NA PRZYKŁADZIE PORTU LOTNICZEGO
Bardziej szczegółowoBadanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej
Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz
Bardziej szczegółowoZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH
Grzegorz PRZEKOTA ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Zarys treśc: W pracy podjęto problem dentyfkacj cykl gełdowych.
Bardziej szczegółowoNatalia 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 szczegółowoStanisław 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 szczegółowoWielokategorialne systemy uczące się i ich zastosowanie w bioinformatyce. Rafał Grodzicki
Welokategoralne systemy uząe sę h zastosowane w bonformatye Rafał Grodzk Welokategoralny system uząy sę (multlabel learnng system) Zbór danyh weśowyh: d X = R Zbór klas (kategor): { 2 } =...Q Zbór uząy:
Bardziej szczegółowoAPROKSYMACJA QUASIJEDNOSTAJNA
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy
Bardziej szczegółowoKrzysztof Borowski Zastosowanie metody wideł cenowych w analizie technicznej
Krzysztof Borowsk Zastosowane metody wdeł cenowych w analze technczne Wprowadzene Metoda wdeł cenowych została perwszy raz ogłoszona przez Alana Andrewsa 1 w roku 1960. Trzy lne wchodzące w skład metody
Bardziej szczegółowoMATERIAŁY 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 szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO
ZESZYTY AUKOWE UIWERSYTETU SZCZECI SKIEGO R 394 PRACE KATEDRY EKOOMETRII I STATYSTYKI R 5 004 SEBASTIA GAT Unwersytet Szczec sk KRYTERIA BUDOWY PORTFELI PAPIERÓW WARTO CIOWYCH W OKRESIE BESSY A GIEŁDA
Bardziej szczegółowoSztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311
Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy
Bardziej szczegółowoWeryfikacja 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 szczegółowoAnaliza 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 szczegółowoWPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO
Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono
Bardziej szczegółowoRegulamin 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 szczegółowoORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu.
ORGANIZACJA ZAJĘĆ Wykładowca dr nż. Agneszka Bołtuć, pokój 304, e-mal: aboltuc@.uwb.edu.pl Lczba godzn forma zajęć: 15 godzn wykładu oraz 15 godzn laboratorum 15 godzn projektu Konsultacje: ponedzałk 9:30-11:00,
Bardziej szczegółowoSTATYSTYKA REGIONALNA
ЕЗЮМЕ В,. Т (,,.),. В, 2010. щ,. В -,. STATYSTYKA REGIONALNA Paweł DYKAS Zróżncowane rozwoju powatów w woj. małopolskm W artykule podjęto próbę analzy rozwoju ekonomcznego powatów w woj. małopolskm, wykorzystując
Bardziej szczegółowoAnaliza 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 szczegółowoRozliczanie kosztów Proces rozliczania kosztów
Rozlczane kosztów Proces rozlczana kosztów Koszty dzałalnośc jednostek gospodarczych są złoŝoną kategorą ekonomczną, ujmowaną weloprzekrojowo. W systeme rachunku kosztów odbywa sę transformacja jednych
Bardziej szczegółowoSystem 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 szczegółowoBadanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja
Jacek Batóg Unwersytet Szczecńsk Badane optymalnego pozomu kaptału zatrudnena w polskch przedsęborstwach - ocena klasyfkacja Prowadząc dzałalność gospodarczą przedsęborstwa kerują sę jedną z dwóch zasad
Bardziej szczegółowoWpływ płynności obrotu na kształtowanie się stopy zwrotu z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie
Agata Gnadkowska * Wpływ płynnośc obrotu na kształtowane sę stopy zwrotu z akcj notowanych na Gełdze Paperów Wartoścowych w Warszawe Wstęp Płynność aktywów na rynku kaptałowym rozumana jest przez nwestorów
Bardziej szczegółowoZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE
Inżynera Rolncza 1(126)/2011 ZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE Katedra Zastosowań Matematyk Informatyk, Unwersytet Przyrodnczy w Lublne w Lublne
Bardziej szczegółowoZaawansowane 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 szczegółowoANALIZA I MODELOWANIE SIECI TRANSPORTOWYCH Z WYKORZYSTANIEM SIECI Z O ONYCH
PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 97 Transport 2013 Zbgnew Tarapata Wojskowa Akadema Technczna, Wydza Cybernetyk ANALIZA I MODELOWANIE SIECI TRANSPORTOWYCH Z WYKORZYSTANIEM SIECI ZOONYCH Rkops
Bardziej szczegółowoMetody predykcji analiza regresji
Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..
Bardziej szczegółowoPodstawy teorii falek (Wavelets)
Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc
Bardziej szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 10
Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane
Bardziej szczegółowoMIARY 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 szczegółowoKRYTERIA OPTYMALIZACJI PARAMETRÓW DRÓG WODNYCH
PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 114 Transport 2016 Akadema Morska w Szczecne KRYTERIA OPTYMALIZACJI PARAMETRÓW DRÓG WODNYCH : marzec 2016 Streszczene: W artykule przedstawono algorytmy optymalzac
Bardziej szczegółowoRegulamin 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 szczegółowoBADANIA 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 szczegółowoInstrukcja uytkownika
Przewodowa centrala alarmowa Instrukcja uytkownka 1 Wstp 2 11 Główne cechy central 2 12 Opsy kodów 2 13 Sterowane central 2 2 Klawatura V-LCD 2 21 Wstp 2 22 Funkcje systemowe 3 23 Funkcje programowalne
Bardziej szczegółowoPraca podkładu kolejowego jako konstrukcji o zmiennym przekroju poprzecznym zagadnienie ekwiwalentnego przekroju
Praca podkładu kolejowego jako konstrukcj o zmennym przekroju poprzecznym zagadnene ekwwalentnego przekroju Work of a ralway sleeper as a structure wth varable cross-secton - the ssue of an equvalent cross-secton
Bardziej szczegółowoStatystyka Opisowa 2014 część 2. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoRegulamin 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 szczegółowoOPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POBLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU GENETYCZNEGO
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 81 Electrcal Engneerng 015 Mkołaj KSIĄŻKIEWICZ* OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU
Bardziej szczegółowoPlan wykładu. Sztuczne sieci neuronowe. Sieci rekurencyjne. Sieci rekurencyjne. Wykład 8: Sieci rekurencyjne: sie Hopfielda. Sieci rekurencyjne
Plan wykładu Wykład 8: Sec rekurencyne: se Hopfelda Małgorzata Krtowska Katedra Oprogramowana e-mal: mmac@.pb.balystok.pl Sec rekurencyne Se Hopfelda tryb odtwarzana funkca energ dynamka zman stanu wykorzystane
Bardziej szczegółowoRozkład 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 szczegółowoZastosowanie wybranych miar płynności aktywów kapitałowych na Giełdzie Papierów Wartościowych w Warszawie S.A.
Joanna Olbryś * Zastosowane wybranych mar płynnośc aktywów kaptałowych na Gełdze Paperów Wartoścowych w Warszawe S.A. Wstęp Płynność aktywu kaptałowego ne jest zmenną obserwowalną [Acharya, Pedersen, 2005,
Bardziej szczegółowoKształtowanie 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 szczegółowoRegulamin 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 szczegółowoANALIZA 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 szczegółowoProcedura 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 szczegółowoWPŁYW POSTACI FUNKCJI JAKOŚCI ORAZ WAG KRYTERIÓW CZĄSTKOWYCH NA WYNIKI OPTYMALIZACJI ZDERZENIA METODĄ GENETYCZNĄ
PIOTR KRZEMIEŃ *, ANDRZEJ GAJEK ** WPŁYW POSTACI FUNKCJI JAKOŚCI ORAZ WAG KRYTERIÓW CZĄSTKOWYCH NA WYNIKI OPTYMALIZACJI ZDERZENIA METODĄ GENETYCZNĄ THE INFLUENCE OF THE SHAPE OF THE QUALITY FUNCTION AND
Bardziej szczegółowoANALIZA PORÓWNAWCZA WYBRANYCH METOD GRUPOWANIA SPÓŁEK GIEŁDOWYCH
Studa Ekonomczne. Zeszyty Naukowe Unwersytetu Ekonomcznego w Katowcach ISSN 2083-8611 Nr 297 2016 Ewa Pośpech Unwersytet Ekonomczny w Katowcach Wydzał Zarządzana Katedra Matematyk posp@ue.katowce.pl ANALIZA
Bardziej szczegółowoZastosowanie strategii ewolucyjnej w prognozowaniu tendencji zmian kursu akcji
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 31, 2011 Zastosowane strateg ewoucyjnej w prognozowanu tendencj zman kursu akcj Krzysztof MURAWSKI 1, Monka MURAWSKA 2 1 Instytut Teenformatyk Automatyk WAT,
Bardziej szczegółowo) 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 szczegółowoPattern 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 szczegółowoAnaliza 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 szczegółowoWYBÓR PORTFELA PAPIERÓW WARTOŚCIOWYCH ZA POMOCĄ METODY AHP
Ewa Pośpech Unwersytet Ekonomczny w Katowcach Wydzał Zarządzana Katedra Matematyk posp@ue.katowce.pl WYBÓR PORTFELA PAPIERÓW WARTOŚCIOWYCH ZA POMOCĄ METODY AHP Streszczene: W artykule rozważano zagadnene
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment
Bardziej szczegółowoWYKŁAD 4 PLAN WYKŁADU. Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania. Metody uczenia sieci: Zastosowania
WYKŁAD 4 Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania PLAN WYKŁADU Metody uczenia sieci: Uczenie perceptronu Propagacja wsteczna Zastosowania Sterowanie (powtórzenie) Kompresja obrazu Rozpoznawanie
Bardziej szczegółowoZASTOSOWANIE MODELU PANELOWEGO DO BADANIA NADWYśEK KAPITAŁOWYCH W BANKACH KOMERCYJNYCH W POLSCE WSTĘP
Monka Gładysz, Katedra Ekonom Polyk Gospodarczej SGGW, e-mal: gladysz@alpha.sggw.waw.pl ZASTOSOWANIE MODELU PANELOWEGO DO BADANIA NADWYśEK KAPITAŁOWYCH W BANKACH KOMERCYJNYCH W POLSCE Streszczene: Dane
Bardziej szczegółowoochrona przed em mgr Mikołaj Kirpluk
ochrona przed em mgr Mkołaj Krpluk 0-502 216620 www.ntlmk.com Okrelane nepewnoc oblczanego / merzonego równowanego pozomu dwku: wpływ wybranej statystyk pomarów krótkookresowych, w zalenoc od czasu pomaru
Bardziej szczegółowoZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH
PRZEGLĄD STATYSTYCZNY R. LVI ZESZYT 3-4 2009 ANNA ZAMOJSKA ZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH 1. WSTĘP Analza ocena wynków osąganyc przez fundusze nwestycyjne jest jednym z
Bardziej szczegółowoProgramowanie wielokryterialne
Prgramwane welkryteralne. Pdstawwe defncje znaczena. Matematyczny mdel sytuacj decyzyjnej Załóżmy, że decydent dknując wybru decyzj dpuszczalnej x = [ x,..., xn ] D keruje sę szeregem kryterów f,..., f.
Bardziej szczegółowoZadane 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 szczegółowoMATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5
MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając
Bardziej szczegółowoKONSTRUKCJA 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 szczegółowoMETODY OCENY STOPNIA ZAAWANSOWANIA TELEINFORMATYCZNEGO POLSKICH PRZEDSI BIORSTW
METODY OCENY STOPNIA ZAAWANSOWANIA TELEINFORMATYCZNEGO POLSKICH PRZEDSI BIORSTW ANETA BECKER, Aadema Rolncza w Szczecne JAROSŁAW BECKER Poltechna Szczec sa Streszczene W artyule scharateryzowano wyorzystane
Bardziej szczegółowo