Nowe ujęcie ryzyka na rynku kapitałowym
|
|
- Amalia Muszyńska
- 5 lat temu
- Przeglądów:
Transkrypt
1 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO nr 80 Fnanse, Rynk Fnansowe, Ubezpeczena nr 65 (014) s Nowe ujęce ryzyka na rynku kaptałowym Jerzy Tymńsk * Streszczene: Artykuł przedstawa nowe ujęce pomaru ryzyka na rynku kaptałowym. W perwszej częśc przyblżono możlwość opsana ryzyka przy pomocy mary neokreślonośc. Można zastosować marę entrop, czyl marę z zakresu teor lośc nformacj. W teor portfelowej przyjmuje sę, że decyzje nwestorske na rynku kaptałowym mogą być podejmowane poprzez mnmalzację entrop. Nowe podejśce do oceny ryzyka na rynku kaptałowym dotyczy mary z zakresu teor nezawodnośc. Mara ta ocena równeż trwałość portfela w dłuższym okrese prognozy. Ujmuje zmany stóp zwrotu, które będą mały charakter trendu, a ne rozkładu normalnego. Zastosowane mary nezawodnośc pozwala zbudować optymalny portfel na podstawe mnmalnej wartośc λ (tj. wskaźnka ntensywnośc występowana nekorzystnych stóp zwrotu z nstrumentów fnansowych w okrese badawczym). Słowa kluczowe: ryzyko, portfel nwestycyjny, entropa, nezawodność Wprowadzene Teora ryzyka portfelowego jest znaczne rozbudowana, jednakowoż ograncza sę ona do problemów determnstycznych. Modele probablstyczne ryzyka ne są powszechne stosowane (np. VaR wartość ryzykowna) ( Zarządzane ryzykem ). Poza tym wymagają one spełnena założena o normalnośc rozkładu stóp zwrotu analzowanych walorów, co ne zawsze jest możlwe (m.n. w przypadku ujemnych stóp zwrotu nstrumentów fnansowych). W mejsce tych mar ryzyka można zaproponować mary z obszaru teor nformacj entrop oraz teor nezawodnośc, które są pozbawone w wększośc takch mankamentów. 1. Ryzyko portfela w ujęcu mary neokreślonośc (nepewnośc) W lteraturze do pomaru ryzyka na rynku kaptałowym najczęścej sugeruje sę zastosowane statystycznego podejśca, gdze marą ryzyka jest np. odchylene standardowe. Podejśce take wąże sę, mędzy nnym, z założenem stnena określonych rozkładów prawdopodobeństwa stóp zwrotu, np. rozkładu normalnego (Tarczyńsk 001). Pojęce ryzyka można także rozpatrywać na grunce teor nformacj, w której proponuje sę marę pozwalającą ustalć stopeń neokreślonośc decyzj nwestycyjnej, w znaczenu ryzyka. * dr Jerzy Tymńsk, prof. Wyższej Szkoły Gospodark Krajowej w Kutne, tel
2 746 Jerzy Tymńsk Nepewność (neokreśloność) jest nerozerwalne zwązana z każdym zdarzenem losowym, co utrudna proces podejmowana decyzj. Istotnym zagadnenem staje sę konstrukcja odpowednej mary (h) jej loścowa ocena. Jedną z możlwych mar jest entropa, czyl mara lośc nformacj, natomast narzędzem matematycznym przydatnym do analzy zdarzeń z obszaru nepewnośc jest rachunek prawdopodobeństwa, umożlwający określene prawdopodobeństw zajśca zdarzeń losowych. I tak (Wybrane problemy 004: 31): 1) m zdarzene jest mnej prawdopodobne, tym wększa nepewność co do jego wystąpena: h( p ) > h( p ) jeśl p < p (1) 1 1 gdze p oznacza prawdopodobeństwo. ) neokreśloność zdarzena łącznego (polegającego na równoczesnym zajścu dwóch zdarzeń 1) ) jest wększa od sumy neokreślonośc tych zdarzeń, czyl: h( p p ) > h( p ) + h( p ) () 1 1 3) w przypadku zdarzena pewnego W, neoznaczoność pownna wynosć zero, czyl h( W= ) 0. Jedyną funkcją matematyczną spełnającą te wszystke postulaty, jest funkcja zaproponowana przez Hartley a (Wybrane problemy 004: 31): gdze a jest dowolną lczbą z przedzału (1, ). hp ( ) = log (1/ p) = log p (3) a a W teor nformacj najczęścej stosuje sę logarytm przy podstawe: a =, wówczas jednostką nformacj jest bt (szanon), a = e jednostką nformacj jest nat (nt), a = 10 jednostką nformacj jest dt (hartley). Entropa bezwarunkowa zdarzeń ze zboru X (o wartoścach zmennej losowej X) jest welkoścą: m H( X) = å ph( p) (4) gdze h(p ) jest nepewnoścą co do rezultatu rozpatrywanego zdarzena. = 1 Zatem jest ona średną arytmetyczną ważoną lośc nformacj otrzymanych przy zajścu poszczególnych zdarzeń o wagach równych prawdopodobeństwu tych zdarzeń (encyklopedapwn.pwn.pl).
3 Nowe ujęce ryzyka na rynku kaptałowym 747 Z kole entropą zmennej losowej skokowej X nazywamy welkość H(X) określoną następująco: m H( X) = å p log p (5) gdze X jest zmenną losową, przyjmującą wartośc x z prawdopodobeństwam = 1 p ( PX { = x} = pdla = 1,..., m). Entropa zmennej losowej cągłej X opsanej gęstoścą prawdopodobeństwa f(x) ma postać 1 : lub w szczególnośc dla zmennej losowej o rozkładze a) jednostajnym na przedzale <a, b>: b) normalnym: + H(X)= f ( x)log f ( x) dx (6) H( X) = log ( b a) (7) H X ( ) log ( e ) 1 = π σ (8) 1 H( X) = lg ( πe) + log ( σ) (9) W teor portfelowej przyjmuje sę, że jeżel nwestor rozważa nstrumenty fnansowe na rynku kaptałowym o takej samej korzyśc, ale charakteryzujące sę różnym stopnem ryzyka, to wybera warant mnej ryzykowny, a w ujęcu teor nformacj, warant o mnejszej neokreślonośc. Za kryterum optymalnej decyzj nwestycyjnej, wyboru optymalnego portfela, można wówczas uznać mnmalzację entrop (mary neokre ślonośc). Warto zwrócć uwagę, że marą dobrze obrazującą zróżncowane zborowośc jest ndeks entrop : E = [H(A)/H max ) 100% (10) Jest to mara unormowana, przyjmuje wartośc z przedzału 0%, 100%. 1 Entropa dla rozkładu normalnego jest równa: H ( x) = e lg e dx = e ç æ - ö dx ln çè s ø + ò ( x-m) ( x-m) + ( x-m) ( x m) s s s ç -. ò - - Marę tę zaproponowała Cz. Olbrycht w: Entropa jako mara zróżncowana dla cech jakoścowych, Prace Instytutu Ekonometr Statystyk UŁ, sera B, nr 8, Wydawnctwo Unwersytetu Łódzkego, Łódź 1976, s. 17.
4 748 Jerzy Tymńsk Brak jakoścowego zróżncowana zborowośc oznacza zborowość jednorodną. Wówczas wartość E = 0, gdy H(Y) = 0, czyl przy możlwym jednym warance cechy. Entropa osąga wartość maksymalną, jeżel częstość występowana każdego warantu cechy jest taka sama. Zatem maksymalna wartość ndeksu E wskazuje na zupełną nejednorodność zborowośc, na jej maksymalne jakoścowo zróżncowane pod względem danego sposobu klasyfkacj. Dla przykładu ocene poddano dwa portfele rynkowe A, B, C, D oraz E w odrębnych (różnących sę) sytuacjach decyzyjnych ryzyka (z punktu wdzena neokreślonośc), dla których dane zawera tabela 1. Tabela 1 Prawdopodobeństwa wystąpena odpowednej sytuacj na rynku Sytuacja na rynku Prawdopodobeństwa zastnena określonej sytuacj na rynku Portfel A Portfel B Portfel C Portfel D Portfel E Bardzo zła 0, 0, 0, 0,1 0,05 Nepomyślna 0, 0, 0,1 0,3 0,10 Stablna 0, 0,1 0,4 0,3 0,15 Dobra 0, 0,3 0, 0,1 0,55 Bardzo dobra 0, 0, 0,1 0, 0,15 Źródło: badana własne. Dla porównana stopna trudnośc wyboru optymalnej decyzj dla tych portfel, z punktu wdzena neokreślonośc sytuacj na rynku, wyznaczamy ch entropę ze wzoru (5) ndeksy entrop ze wzoru (10). W tabel zawarto wynk oblczeń dla rozważanych portfel. Na podstawe przeprowadzonych oblczeń można stwerdzć, że najnższą neokreśloność, równą 1,84, ma portfel E, co oznacza najwększe zróżncowane wartośc prawdopodobeństw zastnena odpowednch sytuacj na rynku. Indeks entrop dla tego portfela jest równeż najnższy (79,40%). Najwyższy pozom entrop H =,3, zgodne z przewdywanam, ma portfel A, w którym występuje równomerny rozkład prawdopodobeństw. Wobec tego najwyższe ryzyko, w sense neokreślonośc, posada portfel A kolejno: B, C, D, E. Funkcję ryzyka w ujęcu teor nezawodnośc można wyrazć jako loraz funkcj gęstośc prawdopodobeństwa zawodnośc do prawdopodobeństwa nezawodnośc. Stąd funkcję ryzyka można zapsać: nz nz nz H () t = f ()/ t R () t, gdze: h nz (t) ryzyko w teor nezawodnośc, f nz (t) funkcja gęstośc w teor nezawodnośc, R nz (t) funkcja nezawodnośc.
5 Nowe ujęce ryzyka na rynku kaptałowym 749 Tabela Wynk oblczeń dla przykładu Portfel Sytuacja na rynku p log p p log A bardzo zła 0,,319 0,4644 nepomyślna 0,,319 0,4644 stablna 0,,319 0,4644 dobra 0,,319 0,4644 bardzo dobra 0,,319 0,4644 H max,319 ndeks entrop E 100,00 B bardzo zła 0,,319 0,4644 nepomyślna 0,,319 0,4644 stablna 0,1 3,319 0,33 dobra 0,3 1,7370 0,511 bardzo dobra 0,,319 0,4644 H max,464 ndeks entrop E 96,70 C bardzo zła 0,,319 0,4644 nepomyślna 0,1 3,319 0,33 stablna 0,4 1,319 0,588 dobra 0,,319 0,4644 bardzo dobra 0,1 3,319 0,33 H max,119 ndeks entrop E 91,40 D bardzo zła 0,1 3,319 0,33 nepomyślna 0,3 1,7370 0,511 stablna 0,3 1,7370 0,511 dobra 0,1 3,319 0,33 bardzo dobra 0,,319 0,4644 H max,1710 ndeks entrop E 93,50 E bardzo zła 0,05 4,319 0,161 nepomyślna 0,10 3,319 0,33 stablna 0,15,7370 0,41,05 dobra 0,55 0,865 0,4744 bardzo dobra 0,15,7370 0,4105 H max 1,8438 ndeks entrop E 79,40 Źródło: oblczena własne z wykorzystanem arkusza kalkulacyjnego Excel. p
6 750 Jerzy Tymńsk W teor nezawodnośc (w ujęcu portfelowym) R nz (t) wyrażona jest formułą Wenera, t - ò l () t dt nz 0 postac: R () t = e gdze l () t oznacza funkcję ntensywnośc pojawena sę nekorzystnych (ujemnych bądź nskch wartośc) stóp zwrotu. Wartość l () t statystyczne moż- én(1 +D) -Nù na określć wzorem: l () t =- ê N0 + N ú (Tymńsk 013: 109), gdze N wyrażają ë û zmodyfkowane współczynnk zmennośc (Tymńsk 013: 100). W pracy Tymńskego (013) została określona wartość l () t, a następne skumulowana wartość λ (t), czyl λs(t) dla akcj wyrażonej w postac zmodyfkowanego współczynn- æ s p ö ka zmennośc ç Rt (), dla dzesęcu okresów. Dla tych okresów przyjęto przecętną war- çè ø tość, tj. λ s(10)/10, uzyskując z kole wartość przedzałową we wzorze Wenera. Przy czym, w wynku przeprowadzonych badań 3, okazało sę ż wskaźnk ten w ustalonym przedzale nz s() t 0:10 ne wykazuje rozkładu normalnego, lecz trend wykładnczy. Stąd R () t = e l. Konkretna wartość l s(10) = 0, dla akcj WWL (por. załącznk). Dowodz to pozomu nezawodnośc: R ( t) WWL nz 0, = e - = 0,98. Reasumując: akcja WWL ma pozom nezawodnośc wyrażony prawdopodobeństwem realzacj w wysokośc 9,8% przy ryzyku 1,94%. Przeprowadzony proces badawczy dla tej akcj (także GTC oraz æ s p ö RPC) (por. załącznk), wyrażonej we wskaźnku ç Rt (), przedstawony jest w pracy çè ø Tymńskego (013: ). Należy zauważyć, ż ryzyko wyrażone w funkcj wykładnczej charakteryzuje sę dodatkowo stałoścą w czase, to 1/l będze oznaczać średn czas stnena ryzyka, a węc funkcja nezawodnośc będze meć rozkład wykładnczy. Przeprowadzone badana upoważnają do przyjęca założena, ż kształt λs(t) jest gładk w końcowym odcnku okresu badawczego, co umożlwa dokonane oceny ryzyka przy założenu rozkładu gamma postac: ll ( r)) f() r = b-1 -l( r) -r b-1 e r dr W tej sytuacj można przyjąć dla parametru kształtu β = ò l ( r ) l( lr)) e lexp( -lr) lexp( -lr) f( r) = = = = lexp( -lr), -r 1-1 -r é - r e r dr e dr e ù êë úû 0 ò gdze: r = R (stopa zwrotu). ò e. 3 Zastosowanym wykładnkem Hursta (Tymńsk 013: 7).
7 Nowe ujęce ryzyka na rynku kaptałowym 751 Stąd także: r r éexp( -l r) ù r F( r) = ò f ( r) dr = ò lexp( - lr) dr = l =- [ exp( - lr] 0 = 1-exp( -lr ). êë -l úû 0 0 Przyjmując dalej, ż funkcja nezawodnośc w analzowanej sytuacj ma rozkład wykładnczy, czyl R( r) = exp( λr), możemy zapsać: lexp( -lr ) l() r = = l (= constans). exp( -l r) Wówczas będze: funkcja gęstośc f() t = le -lt, funkcja rozkładu Ft () = 1- c -lt, nz t funkcja nezawodnośc R () t = e -l, funkcja ryzyka ht () = l. (parametr λ we wszystkch funkcjach oznacza ntensywność występowana nekorzystnych w czase wartośc stóp zwrotu). Funkcję wykładnczą funkcję ryzyka przedstawono na rysunku 1. f(t) λ h(t) λ 1 e λ t t e λ t a) b) t Rysunek 1. Funkcja wykadncza (a) funckja ryzyka (b) Źródło: Badana własne. Uwag końcowe Zaproponowane nowe ujęca ryzyka w ocene decyzyjnej nwestowana na rynku kaptałowym mają pozytywne właścwośc trafnego wyboru nstrumentów fnansowych portfela akcj. Ujmują bowem w znacznym stopnu sytuacje nepewnośc (neokreślonośc), zmennośc uwarunkowań, zarówno na rynku kaptałowym, jak gospodarce kraju. Stąd też zarówno w wyborze nstrumentów fnansowych, jak konstrukcjach portfelowych na dłuższe okresy prognostyczne, należy kerować sę oceną sytuacj na rynku (stosować mary
8 75 Jerzy Tymńsk entrop) bądź, przy znacznej zmennośc nekorzystnych stopach zwrotu, oceną ryzyka w ujęcu nezawodnośc. Zastosowane jednakże mary nezawodnoścowej pownno być poprzedzone badanem kształtowana sę (oceną rozkładu) stóp zwrotu. Tutaj ważne jest, by ukształtowane ch mało charakter trendu, np. oceny wartośc wykładnka Hursta. Szczególne przydatne jest ryzyko w ujęcu nezawodnośc, gdyż daje obektywny obraz w ocene postac portfela. Określene ryzyka w ujęcu teor nezawodnośc pozwala równocześne na określene stopna prawdopodobeństwa realzacj akcj w portfelu, co jest stotne dla decyzj zachowana portfela w dłuższym okrese. Lteratura Tarczyńsk W., Mojsewcz M. (001), Zarządzane ryzykem, PWE, Warszawa. Tymńsk J., Zawślak R. (008), Dwukryteralna koncepcja wyboru nstrumentów fnansowych dla efektywnej konstrukcj portfela jego optymalzacja na rynku kaptałowym, w: Zarządzane fnansam, red. D. Zarzeck, Wydawnctwo Unwersytetu Szczecńskego, Szczecn. Tymńska M. (009), Logstyczne projekty nwestycj zarządzane nm w warunkach ryzyka, Wydawnctwo Unwersytetu Szczecńskego, Szczecn. Tymńsk J. (013), Ekonomczne aspekty optymalzacj nwestycj długookresowych, Wydawnctwo Weś Jutra, Warszawa. Wybrane problemy loścowej analzy portfel akcj (004), red. D. Kopańska-Bródka, Prace Naukowe Akadem Ekonomcznej w Katowcach, Katowce. Zarządzane ryzykem (009), red. K. Jajuga, Wydawnctwo Naukowe PWN, Warszawa. Załącznk 1 Spółk () Stopy zwrotu z 10 okresów mesęcznych Mesęczne stopy zwrotu akcj w % R 1 R R 3 R 4 R 5 R 6 R 7 R 8 R 9 R 10 Średne stopy zwrotu r APL 0,64 3,3 1,33,36 9,00 33,84 14,0 9,95 49,3 6,8 8,39 BDX 3,08 8,3 0,70 7,6 0,00 10,00 5,56 18,4 0,00 4,00 0,58 GRJ,46,06 4,48 3,94 4,17 6,18 1,15 5,41 3,51 6,44 5,89 GTC,01 18,75 1,50 6,67 5,56 6,6 18,6 18,0 8,33 9,79 10,07 INT 5,00 0,6 0,43 4,9 11,1 8,83 4,4 47,6 0,36 7,86 14,8 JTZ 0,7 6,00 6,47 3,67 8,55 0,13 15,33 10,98 10,6 6,80 0,93 KRS 7,14 1,50 19,5 5,33 10,11 5,00 4,61 0,63 1,50 3,57 3,84 PEO 1,13 4,88 8,64 11,01 13,50 1,10 0,85 0,69 8,77 1,06 3,5 PKM 1,35 1,63 4,04 0,00 6,03 3,66 7,06,56 6,43 1,01 4,01 RPC 9,76 1,13,40 0,49 3,96 0,95 17,31 4,51 1,96 5,77 5,16 SKA 6,43 9,89 0,41 8,98 4,48 8,15 5,56 5,6 1,43 7,97 1,7 WWL 0,63 0,4,08 1,47,16 10,9 1,00 1,79 35,67 0,86 7,51 WIG 4,17 7,4 3,5 7,68 5,78 6,50 4,8 5,5 4,8 3,01 3,3 Źródło: opracowane własne w oparcu o dane z gazety PARKIET.
9 Nowe ujęce ryzyka na rynku kaptałowym 753 A NEW APPROACH TO RISK IN THE CAPITAL MARKET Abstract: The artcle presents a new approach to measurng rsk n the captal market. The frst secton shows how rsk can be descrbed by means of a measure of uncertanty. An entropy measure may be appled,.e. a measure offered by nformaton theory. The portfolo theory assumes that n the captal market nvestors may make ther decsons by mnmzng entropy. The new approach to the assessment of captal market rsk utlzes a measure borrowed from relablty theory. The measure can also be used to assess portfolo sustanablty n a longer forecast perod. It takes account of changes n rates of return formng a trend and not a normal dstrbuton. Wth a measure of relablty an optmal portfolo can be assembled based on the mnmal value of λ (an ndcator of the frequency of occurrence of unfavourable rates of return from fnancal nstruments n the perod of research). Keywords: nvestment portfolo, entropy, relablty Cytowane Tymńsk J. (014), Nowe ujęce ryzyka na rynku kaptałowym, Zeszyty Naukowe Unwersytetu Szczecńskego nr 80, Fnanse, Rynk Fnansowe, Ubezpeczena nr 65, Wydawnctwo Naukowe Unwersytetu Szczecńskego, Szczecn, s ;
10
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 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 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 szczegółowoAnaliza 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 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 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 szczegółowoPortfele 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 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 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 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 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 szczegółowoProces 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 szczegółowoSZACOWANIE 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 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 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 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 szczegółowoZASTOSOWANIE 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 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 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 szczegółowoStatystyka 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 szczegółowoRyzyko 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 szczegółowo0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4
Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (
Bardziej szczegółowoZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH
Adranna Mastalerz-Kodzs Ewa Pośpech Unwersytet Ekonomczny w Katowcach ZASTOSOWANIE WYBRANYCH ELEMENTÓW ANALIZY FUNDAMENTALNEJ DO WYZNACZANIA PORTFELI OPTYMALNYCH Wprowadzene Zagadnene wyznaczana optymalnych
Bardziej szczegółowoFunkcje i charakterystyki zmiennych losowych
Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych
Bardziej szczegółowoParametry zmiennej losowej
Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru
Bardziej szczegółowoStanisław 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 szczegółowoNatalia 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 szczegółowoStanisław 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 szczegółowoAnaliza 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 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 szczegółowoPropozycja 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 szczegółowoStanisław 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 szczegółowoRozmyta efektywność portfela
Krzysztof PIASECKI Akadema Ekonomczna w Poznanu Problem badawczy Rozmyta ektywność portfela Buckley [] Calz [] zaproponowal reprezentowane wartośc przyszłych nwestycj fnansowych przy pomocy lczb rozmytych.
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 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 szczegółowo( ) ( ) 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 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 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 szczegółowo2012-10-11. 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 szczegółowoModelowanie 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 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 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 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 szczegółowoTEORIA PORTFELA MARKOWITZA
TEORIA PORTFELA MARKOWITZA Izabela Balwerz 28 maj 2008 1 Wstęp Teora portfela została stworzona w 1952 roku przez amerykańskego ekonomstę Harry go Markowtza Opera sę ona na mnmalzacj ryzyka nwestycyjnego
Bardziej szczegółowoAnaliza 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 szczegółowoStanisław 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= 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 szczegółowoProjekt 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 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 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 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 szczegółowo1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:
.. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B
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 szczegółowoEgzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010
Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene
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 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 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 szczegółowoOBLICZANIE NIEPEWNOŚCI METODĄ TYPU B
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość
Bardziej 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 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 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 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 szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej
Bardziej szczegółowoModel oceny ryzyka w działalności firmy logistycznej - uwagi metodyczne
Magdalena OSIŃSKA Unwersytet Mkołaja Kopernka w Torunu Model oceny ryzyka w dzałalnośc frmy logstycznej - uwag metodyczne WSTĘP Logstyka w cągu ostatnch 2. lat stała sę bardzo rozbudowaną dzedzną dzałalnośc
Bardziej szczegółowoAnaliza struktury zbiorowości statystycznej
Analza struktury zborowośc statystycznej.analza tendencj centralnej. Średne klasyczne Średna arytmetyczna jest parametrem abstrakcyjnym. Wyraża przecętny pozom badanej zmennej (cechy) w populacj generalnej:
Bardziej szczegółowoAnaliza modyfikacji systemów bonus-malus w ubezpieczeniach komunikacyjnych AC na przykładzie wybranego zakładu ubezpieczeń
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
Bardziej szczegółowo65120/ / / /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 szczegółowoWSKAŹNIK OCENY HIC SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO
WSKAŹNIK OCENY SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO Dagmara KARBOWNICZEK 1, Kazmerz LEJDA, Ruch cała człoweka w samochodze podczas wypadku drogowego zależy od sztywnośc nadwoza
Bardziej szczegółowoStatystyka Opisowa 2014 część 1. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 1 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 szczegółowoZjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)
Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013
ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp
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 szczegółowoDr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki
Dr nż. Robert Smusz Poltechnka Rzeszowska m. I. Łukasewcza Wydzał Budowy Maszyn Lotnctwa Katedra Termodynamk Projekt jest współfnansowany w ramach programu polskej pomocy zagrancznej Mnsterstwa Spraw Zagrancznych
Bardziej szczegółowoOeconomiA copernicana 2013 Nr 3. Modele ekonometryczne w opisie wartości rezydualnej inwestycji
OeconomA coperncana 2013 Nr 3 ISSN 2083-1277, (Onlne) ISSN 2353-1827 http://www.oeconoma.coperncana.umk.pl/ Klber P., Stefańsk A. (2003), Modele ekonometryczne w opse wartośc rezydualnej nwestycj, Oeconoma
Bardziej szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowo± 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 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 szczegółowo-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych
WYKŁAD 4 dla zanteresowanych -Macerz gęstośc: stany czyste meszane (przykłady) -równane ruchu dla macerzy gęstośc -granca klasyczna rozkładów kwantowych Macerz gęstośc (przypomnene z poprzednch wykładów)
Bardziej szczegółowoWYBRANE METODY TWORZENIA STRATEGII ZRÓWNOWAŻONEGO TRANSPORTU MIEJSKIEGO SELECTED METHODS FOR DEVELOPING SUSTAINABLE URBAN TRANS- PORT STRATEGIES
Zbgnew SKROBACKI WYBRANE METODY TWORZENIA STRATEGII ZRÓWNOWAŻONEGO TRANSPORTU MIEJSKIEGO SELECTED METHODS FOR DEVELOPING SUSTAINABLE URBAN TRANS- PORT STRATEGIES W artykule przedstawone systemowe podejśce
Bardziej szczegółowoOPTYMALIZACJA PROCESU PRZESIEWANIA W PRZESIEWACZACH WIELOPOKŁADOWYCH
Prace Naukowe Instytutu Górnctwa Nr 136 Poltechnk Wrocławskej Nr 136 Studa Materały Nr 43 2013 Jerzy MALEWSKI* Marta BASZCZYŃSKA** przesewane, jakość produktów, optymalzacja OPTYMALIZACJA PROCESU PRZESIEWANIA
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 szczegółowoTeoria 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 szczegółowo6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO
Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoSYSTEMY 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 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 szczegółowoNAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz
NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów
Bardziej szczegółowoOptymalizacja portfela z wykorzystaniem koherentnych transformujących miar ryzyka
Grażyna Trzpot Unwersytet Ekonomczny w Katowcach Wydzał Informatyk Komunkacj Katedra Demograf Statystyk Ekonomcznej grazyna.trzpot@ue.katowce.pl Optymalzacja portfela z wykorzystanem koherentnych transformujących
Bardziej szczegółowoMikroekonometria 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 szczegółowoANALIZA 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 szczegółowoMIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH
MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH Adam Mchczyńsk W roku 995 grupa nstytucj mędzynarodowych: ISO Internatonal Organzaton for Standardzaton (Mędzynarodowa Organzacja Normalzacyjna),
Bardziej szczegółowoJego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.
Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.
Bardziej 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 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 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 szczegółowoTeoria 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 szczegółowoBadania 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 szczegółowoPROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE
PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.
Bardziej szczegółowoPRZESTRZENNE ZRÓŻNICOWANIE WYBRANYCH WSKAŹNIKÓW POZIOMU ŻYCIA MIESZKAŃCÓW MIAST ŚREDNIEJ WIELKOŚCI A SYSTEM LOGISTYCZNY MIASTA 1
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XI/2, 2010, str. 102 111 PRZESTRZENNE ZRÓŻNICOWANIE WYBRANYCH WSKAŹNIKÓW POZIOMU ŻYCIA MIESZKAŃCÓW MIAST ŚREDNIEJ WIELKOŚCI A SYSTEM LOGISTYCZNY MIASTA 1
Bardziej szczegółowo5. OPTYMALIZACJA GRAFOWO-SIECIOWA
. OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,
Bardziej szczegółowo